Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
- uBio
Share
Revista de Biología Tropical
On-line version ISSN 0034-7744Print version ISSN 0034-7744
Abstract
CENTENO, Thonny-Behyker et al. Herramientas de corte para optimizar parámetros de clasificación de especies maderables con redes neuronales convolucionales. Rev. biol. trop [online]. 2023, vol.71, n.1, e51310. ISSN 0034-7744. http://dx.doi.org/10.15517/rev.biol.trop..v71i1.51310.
Introducción:
La gran diversidad de especies maderables tropicales demanda el desarrollo de nuevas tecnologías de identificación con base en sus patrones o características anatómicas. La aplicación de redes neuronales convolucionales (CNN) para el reconocimiento de especies maderables tropicales se ha incrementado en los últimos años por sus resultados prometedores.
Objetivo:
Evaluamos la calidad de las imágenes macroscópicas con tres herramientas de corte para mejorar la visualización y distinción de las características anatómicas en el entrenamiento del modelo CNN.
Métodos:
Recolectamos las muestras entre el 2020 y 2021 en áreas de explotación forestal y aserraderos de Selva Central, Perú. Luego, las dimensionamos y, previo a la identificación botánica y anatómica, las cortamos en secciones transversales. Generamos una base de datos de imágenes macroscópicas de la sección transversal de la madera, a través del corte, con tres herramientas para ver su rendimiento en el laboratorio, campo y puesto de control.
Resultados:
Usamos tres herramientas de corte para obtener una alta calidad de imágenes transversales de la madera; obtuvimos 3 750 imágenes macroscópicas con un microscopio portátil que corresponden a 25 especies maderables. El cuchillo ''Tramontina'' es duradero, pero pierde el filo con facilidad y se necesita una herramienta para afilar, el cúter retráctil ''Pretul'' es adecuado para madera suave y dura en muestras pequeñas de laboratorio; el cuchillo ''Ubermann'' es apropiado para el campo, laboratorio y puesto de control, porque tiene una envoltura duradera y láminas intercambiables en caso de pérdida de filo.
Conclusiones:
La calidad de las imágenes es decisiva en la clasificación de especies maderables, porque permite una mejor visualización y distinción de las características anatómicas en el entrenamiento con los modelos de red neuronal convolucional EfficientNet B0 y Custom Vision, lo cual se evidenció en las métricas de precisión.
Keywords : árboles tropicales; madera ilegal; imágenes macroscópicas; aprendizaje automático; herramientas de corte; microscopio portátil..