Clasificación de Plantas Medicinales en Tiempo Real Mediante la Utilización de Inteligencia Artificial en Huertos del Cantón Camilo  Ponce Enríquez

Galo Fabian Salinas Matamoros; Jose Julian Coronel Reyes; Leonor Margarita Rivera

Ayuda

Clasificación de Plantas Medicinales en Tiempo Real Mediante la Utilización de Inteligencia Artificial en Huertos del Cantón Camilo Ponce Enríquez

Salinas Matamoros, Galo Fabian ^[1] ; Coronel Reyes, Jose Julian ^[2] ; Rivera Intriago, Leonor Margarita ^[1]
1. [1] Universidad Tecnica de Machala
  
  Universidad Tecnica de Machala
  
  Machala, Ecuador
2. [2] Instituto Tecnológico Superior España
Localización: Ciencia Latina: Revista Multidisciplinar, ISSN-e 2707-2215, ISSN 2707-2207, Vol. 8, Nº. 4, 2024, págs. 4162-4177
Idioma: español
Títulos paralelos:
- Real-time Classification of Medicinal Plants Through the use of Artificial Intelligence in the Orchards of Canton Camilo Ponce Enríquez
Enlaces
- Texto completo (pdf)
- Texto completo
Resumen
- español
  Las plantas son esenciales para la vida humana. Ayudan a respirar, proporcionan alimentos, ropa, medicinas y combustible, y también protegen el medio ambiente. Este estudio, pretende clasificar plantas medicinales a partir de un banco de imágenes, haciendo uso del aprendizaje automático. Se dispuso de una base de datos de 1.513 plantas de 7 especies entre ellas Llantén (230), Toronjil (250), Stevia (222), Violeta (218), Dulcamara (245), Geranio (198) y Sábila (150) que contienen 7 variables morfológicas de forma. Para el análisis de estas variables, se crearon modelos de clasificación de Regresión Logística (RL), Máquina de Vectores de Apoyo (SVM), Árbol de decisión (AD) y k Vecino Más Cercano (k-NN) con validación cruzada de 5 veces y se compararon métricas de rendimiento. Se determinaron tasas generales de clasificación correcta en 95,55%; 93,12 %; 91,39% y 89,12% para RL, MSV, AD, y k-NN, respectivamente. El modelo de clasificación RL, que tiene los resultados de precisión más altos, ha clasificado de las plantas medicinales de llantén, toronjil, Stevia, Violeta, dulcamara, geranio y sábila con 96,63%; 93,85%; 91,14% y 88,36%, respectivamente. Con base en los valores de medición del rendimiento obtenido, es posible decir que el estudio logró el éxito en la clasificación de especies de plantas medicinales.
- English
  Plants are essential to human life. They help to breathe, provide food, clothing, medicine and fuel, and also protect the environment. This study, aims to classify medicinal plants from an image bank, making use of machine learning. A database of 1,513 plants of 7 species including Llantén (230), Toronjil (250), Stevia (222), Violet (218), Dulcamara (245), Geranium (198) and Aloe (150) containing 7 morphological shape variables was available. For the analysis of these variables, Logistic Regression (LR), Support Vector Machine (SVM), Decision Tree (DT) and k Nearest Neighbor (k-NN) classification models were created with 5-fold cross-validation and performance metrics were compared. Overall correct classification rates were determined to be 95,55%; 93,12%; 91.39%, and 89,12% for RL, MSV, AD, and k-NN, respectively. The RL classification model, which has the highest accuracy results, classified of the medicinal plants of plantain, lemon balm, Stevia, Violet, dulcamara, geranium, and aloe with 96,63%; 93,85%; 91,14%; and 88,36%, respectively. Based on the performance measurement values obtained, it is possible to say that the study was successful in the classification of medicinal plant species.