Исследователи из Юньнаньского университета в Китае разработали модель глубокого обучения, которая с точностью 93,35% определяет 22 вида орхидей по микроскопическим признакам в порошке из их стеблей. Технология может упростить идентификацию редких и находящихся под угрозой исчезновения растений, что важно для их сохранения и для контроля качества растительного сырья в традиционной медицине.
Идентификация орхидей традиционно опирается на морфологию цветков, однако период их цветения короток – от нескольких дней до нескольких недель. Без цветков близкородственные виды практически неразличимы по листьям, стеблям или корням. Существующие альтернативы, такие как ДНК-анализ, дороги и требуют специального оборудования, а химические методы ненадежны из-за влияния среды и условий хранения на состав растений.
Китайские ученые предложили решать эту проблему с помощью анализа микроскопического строения тканей. Для обучения нейросети они собрали образцы 22 видов орхидей, подготовили из них порошок и создали базу из 6559 микрофотографий. На снимках были размечены шесть типов структур: клетки паренхимы и эпидермиса, волокна, сосуды, крахмальные зерна и рафиды – игольчатые кристаллы оксалата кальция.
Новая модель YOLO11s-MDOP, основанная на архитектуре YOLO11s, превосходит по точности другие аналоги, включая YOLOv8s и RT-DETR, при значительно меньших вычислительных затратах. Улучшения позволяют ей эффективнее работать с изображениями разного масштаба, отсеивать визуальный шум и концентрироваться на ключевых деталях, которые отличают один вид от другого. Система способна работать на обычном настольном компьютере.
Авторы отмечают, что пока система определяет отдельные микроструктуры, а не выдает итоговое заключение по всему образцу. Кроме того, модель тестировали на ограниченном наборе растений из одной партии, и ее эффективность на образцах, собранных в других условиях или проанализированных на другом оборудовании, еще предстоит проверить. Иногда нейросеть путает крахмальные зерна двух разных видов рода Дендробиум.
Тем не менее исследование показывает, что усовершенствование архитектуры нейросетей позволяет извлекать ценную диагностическую информацию даже из измельченной растительной ткани. Этот подход открывает возможность круглогодично и без привязки к цветению идентифицировать орхидеи, что может помочь в борьбе с их нелегальным оборотом и контролировать качество сырья.