幾個世紀(jì)以來，科學(xué)家們建立和維護(hù)著巨大的植物信息庫，遍布全球的自然歷史博物館和研究機構(gòu)中有著成千上萬的植物標(biāo)本。科學(xué)家們利用這些標(biāo)本對新發(fā)現(xiàn)的植物進(jìn)行識別和分類。近年來隨著標(biāo)本的數(shù)字化，文本、數(shù)據(jù)和圖像變得更易分享和獲取。

如今來自史密斯學(xué)會和哥斯達(dá)黎加理工學(xué)院的研究人員們正致力于更加充分地深入利用這些數(shù)據(jù)，將大數(shù)據(jù)分析、計算機數(shù)據(jù)和GPU計算技術(shù)結(jié)合起來，希望更深入地理解植物信息學(xué)。

在深度學(xué)習(xí)幫助下，科學(xué)家們有望大大加速每年的植物分類學(xué)工作效率，傳統(tǒng)的人工分類條件下植物學(xué)家需要對新發(fā)現(xiàn)的物種與已知的40萬種植物作比較，每年能發(fā)現(xiàn)并描述2000種植物。

哥斯達(dá)黎加理工的研究人員與法國國家農(nóng)業(yè)研究中心和法國國家信息與自動化研究所合作研發(fā)出了一種基于圖像識別的深度學(xué)習(xí)算法。他們基于博物館的標(biāo)本數(shù)據(jù)庫訓(xùn)練了一個能根據(jù)圖像數(shù)據(jù)對植物進(jìn)行分類的分類器。

研究人員們用InceptionNet改進(jìn)了新的模型，將Relu單元變?yōu)閰?shù)化的ReLU單元用于避免了模型了過擬合。同時在單元中增加了批量歸一化單元。用于加速網(wǎng)絡(luò)的訓(xùn)練收斂。在使用中每一個batch有16張224*224的圖片作為輸入，并以0.0075的學(xué)習(xí)率進(jìn)行訓(xùn)練。

訓(xùn)練數(shù)據(jù)來自于標(biāo)本數(shù)據(jù)和一系列真實樣本數(shù)據(jù)包括包含214種植物的Herbarium255 數(shù)據(jù)庫，包含一千種植物的PlantCLEF數(shù)據(jù)庫，255種葉片數(shù)據(jù)的CRleaves數(shù)據(jù)庫。通過這些數(shù)據(jù)庫的訓(xùn)練，研究人員們達(dá)到了90%的識別分類準(zhǔn)確率，將傳統(tǒng)需要人工識別比對的工作效率大大提了。

同時史密斯學(xué)會也進(jìn)行了獨立的研究，利用卷積神經(jīng)網(wǎng)絡(luò)對自然歷史信息進(jìn)行數(shù)字化處理，利用深度神經(jīng)網(wǎng)絡(luò)對基于圖像的植物標(biāo)本信息進(jìn)行處理，同時也實現(xiàn)了90%的精度，同時可以以96%的精度區(qū)分形態(tài)學(xué)上極為相似的兩種植物。

這對于植物分類學(xué)的意義重大，意味著植物學(xué)家們可以中耗時最多的比對分類工作中解放出來，迅速提高植物分類學(xué)的研究效率，將大大增加每年新發(fā)現(xiàn)的植物種類，推動一個新的大發(fā)現(xiàn)的時代到來。同時準(zhǔn)確的植物分類結(jié)果是確定生物種群分布的基礎(chǔ)，著更有助于保護(hù)區(qū)的劃建和對動植物的保護(hù)。

與此同時史密斯學(xué)會還致力于對水銀處理的追蹤，這是一種早期植物學(xué)家處理植物標(biāo)本防止昆蟲損壞的方式。通過掃面上萬張沾染和非沾染汞的植物樣本照片，使得植物學(xué)家們可以分離出被汞處理過的樣本。

法國農(nóng)業(yè)研究發(fā)展中心隨后研發(fā)出了一個稱為PPl@ntNet的神經(jīng)網(wǎng)絡(luò)并繼承到了手機app中，使的人們可以更加方便的在考察中使用手機快速的對植物進(jìn)行分類采集需要的數(shù)據(jù)，而不用像以前一樣采集標(biāo)本送回實驗時進(jìn)行漫長的比對才能確定結(jié)果。

一個小游戲：識別你家的花盆里的植物是啥>>https://identify.plantnet-project.org/

和上述工作類似的是，史密斯學(xué)會建立并維護(hù)的iDigiBio數(shù)據(jù)庫，這是一個龐大的數(shù)據(jù)化生物信息庫，包括生物分布和圖像數(shù)據(jù)以及形態(tài)學(xué)生物學(xué)方面的信息。在未來將逐漸將深度學(xué)習(xí)應(yīng)用在這一數(shù)據(jù)庫上發(fā)揮更大的價值。

目前哥斯達(dá)黎加理工的團(tuán)隊希望在兩個方面繼續(xù)深化這種高效率的生物信息學(xué)。首先他們希望在更多的物種上建立起識別的生物信息庫，將這種識別方式應(yīng)用到昆蟲、鳥類和魚類等物種的發(fā)現(xiàn)鑒別和分類中去。另一方面，他們希望在縱深方向進(jìn)行更深入的發(fā)展，實現(xiàn)從基因?qū)用娴椒N屬方面的自頂向下的全面分類信息。這將會實現(xiàn)全新的生物信息學(xué)并涵蓋更為豐富的信息，達(dá)到更高程度的信息融合.