Modelització mitjançant xarxes neuronals d’un sistema de classificació d’espècies fúngiques

Abstract

Aquest treball aborda el problema de la classificació automàtica d’espècies fúngiques a partir d’imatges digitals mitjançant tècniques d’aprenentatge profund. La identificació de bolets és una tasca complexa a causa de l’elevada variabilitat morfològica entre espècies, fet que dificulta la seva automatització mitjançant mètodes tradicionals de visió per computador. En aquest context, les xarxes neuronals convolucionals (CNN) representen una solució eficaç per a l’anàlisi i reconeixement d’imatges. El marc teòric del projecte combina els fonaments de l’aprenentatge profund amb els principals criteris morfològics utilitzats en micologia per diferenciar espècies, com ara la forma, el color i la textura. A nivell metodològic, s’utilitzen models convolucionals preentrenats basats en tècniques de transfer learning, adaptats a la tasca de classificació fúngica mitjançant conjunts de dades d’imatges procedents de fonts especialitzades. Aquesta estratègia permet gestionar conjunts de dades grans i heterogenis, amb una distribució desigual d’exemples entre espècies. Els resultats obtinguts mostren que els models d’aprenentatge profund són capaços d’identificar espècies fúngiques amb un rendiment satisfactori, tot i les limitacions associades a la qualitat de les imatges i al desequilibri de classes. En conclusió, el treball evidencia el potencial de les CNN com a eina de suport per a la classificació automàtica de bolets en aplicacions científiques i pràctiques.