Abstrakt

Analyse neuronaler Netze und Hybridtechniken zur Klassifizierung von Pflanzen

Priya Dhir, Jasmeen Gill

Heute wird die Informatik zunehmend in die Agrar- und Lebensmittelwissenschaften einbezogen. Verschiedene Techniken der künstlichen Intelligenz und des Soft Computing werden eingesetzt, um Pflanzen zu klassifizieren und Mängel zu erkennen und so dem Endverbraucher ein qualitativ besseres Produkt bieten zu können. Dieser Artikel konzentriert sich auf die Fortschritte bei der automatischen Pflanzenklassifizierung mithilfe von Soft Computing-Techniken. Zur Klassifizierung von Pflanzen werden verschiedene neuronale Netzwerke (ANN, CNN, PNN) sowie heuristische und metaheuristische Optimierungstechniken untersucht. Es gibt mehrere metaheuristische Optimierungsalgorithmen, die nach dem Vorbild der Natur entwickelt wurden. Die Untersuchung von neuronalen Netzwerken wie neuronalen Netzwerken (ANN, CNN, PNN) sowie einigen hybriden künstlichen neuronalen Netzwerken mit Optimierungsmethoden wie genetischem Algorithmus (GA), Ameisenbienenkolonie (ABC), differenzieller Evolution (DE), Gruppensuch-Partikelschwarmoptimierung (GSPSO), Glühwürmchenmethode usw. wird für Benchmark-Datensätze angewendet und es werden spezifische Echtzeitexperimente zur Pflanzenklassifizierung besprochen.

Automatische Pflanzenklassifizierung, Künstliches neuronales Netzwerk, PNN, CNN-Metaheuristische Optimierungsalgorithmen, Klassifizierung