Өсімдіктер систематикасындағы жасанды интеллект цифрлық гербарийлер түрлерді анықтау және таксономиялық зерттеулердің жаңа мүмкіндіктері (әдеби шолу)
DOI:
https://doi.org/10.5281/Кілт сөздер:
жасанды интеллект, өсімдіктер систематикасы, цифрлық гербарий, компьютерлік көру, түрлерді анықтау, машиналық оқыту, интегративті таксономияАңдатпа
Бұл әдеби шолудың мақсаты – цифрлық гербарийлер мен жасанды интеллект әдістерінің өсімдіктер систематикасындағы орнын, түрлерді автоматтандырылған анықтау мүмкіндіктерін және таксономиялық зерттеулерге ықпалын кешенді бағалау. Әдебиеттер Google Scholar арқылы табуға болатын рецензияланған жарияланымдар арасынан тақырыптық сәйкестік бойынша іріктеліп, DOI және баспа беттерімен салыстырыла тексерілді. Негізгі іздеу кезеңі 2015–2026 жылдарды қамтыды, ал тұжырымдамалық маңызы бар ертерек еңбектер қосымша енгізілді. Нәтижелер цифрлық гербарийлердің сурет пен жапсырма метадеректерін біріктіретін ауқымды зерттеу инфрақұрылымына айналғанын көрсетті. Терең оқыту үлгілері ірі және сапалы таңбаланған деректер жиындарында түрлерді жоғары дәлдікпен ажырата алады; сонымен бірге өсімдік мүшелерін сегментациялау, морфологиялық белгілерді өлшеу, фенологиялық фазаларды тану, жапсырма мәтінін шығару және ықтимал қате анықтамаларды белгілеу мүмкіндіктері кеңеюде. Алайда дәлдік көрсеткіштері деректердің теңгерімсіздігіне, географиялық және коллекциялық ығысуға, сирек таксондардың аз ұсынылуына, таксономиялық атаулардың өзгеруіне және модельдің бұрын көрмеген түрлерді тану қабілетіне тәуелді. Сондықтан жасанды интеллект таксономисті алмастыратын құрал ретінде емес, сарапшы басқаратын, шешім қабылдауды қолдайтын жүйе ретінде қарастырылуы тиіс. Болашақ бағыттар мультимодальды деректерді, түсіндірілетін модельдерді, ашық классты тануды және халықаралық дерек стандарттарын біріктіруге негізделеді.
Әдебиеттер тізімі
1. Carranza-Rojas, J., Goëau, H., Bonnet, P., Mata-Montero, E., & Joly, A. (2017). Going deeper in the automated identification of herbarium specimens. BMC Evolutionary Biology, 17, 181. https://doi.org/10.1186/s12862-017-1014-z
2. Guo, Y.-Y., Cai, H., Bramley, G. L. C., Atkins, H. J., Li, B., & Theodossiades, S. (2025). A review of artificial intelligence in herbarium specimen image analysis. Artificial Intelligence Review, 58, 402. https://doi.org/10.1007/s10462-025-11408-2
3. Hussein, B. R., Malik, O. A., Ong, W.-H., & Slik, J. W. F. (2022). Applications of computer vision and machine learning techniques for digitized herbarium specimens: A systematic literature review. Ecological Informatics, 69, 101641. https://doi.org/10.1016/j.ecoinf.2022.101641
4. Little, D. P., Tulig, M., Tan, K. C., Liu, Y., Belongie, S., Kaeser-Chen, C., Michelangeli, F. A., Panesar, K., Guha, R. V., & Ambrose, B. A. (2020). An algorithm competition for automatic species identification from herbarium specimens. Applications in Plant Sciences, 8(6), e11365. https://doi.org/10.1002/aps3.11365
5. Meineke, E. K., Davies, T. J., Daru, B. H., & Davis, C. C. (2019). Biological collections for understanding biodiversity in the Anthropocene. Philosophical Transactions of the Royal Society B, 374, 20170386. https://doi.org/10.1098/rstb.2017.0386
6. Ott, T., Palm, C., Vogt, R., & Oberprieler, C. (2020). GinJinn: An object-detection pipeline for automated feature extraction from herbarium specimens. Applications in Plant Sciences, 8(6), e11351. https://doi.org/10.1002/aps3.11351
7. Pearson, K. D., Nelson, G., Aronson, M. F. J., Bonnet, P., Brenskelle, L., Davis, C. C., Denny, E. G., Ellwood, E. R., Goëau, H., Heberling, J. M., Joly, A., Lorieul, T., Mazer, S. J., Meineke, E. K., Stucky, B. J., Sweeney, P., & White, A. E. (2020). Machine learning using digitized herbarium specimens to advance phenological research. BioScience, 70(7), 610–620. https://doi.org/10.1093/biosci/biaa044
8. Soltis, P. S. (2017). Digitization of herbaria enables novel research. American Journal of Botany, 104(9), 1281–1284. https://doi.org/10.3732/ajb.1700281
9. Takano, A., Moon, H., Shirai, M., Tagane, S., Vasques, D. T., Lee, C.-K., Khan, A., Seo, J., Han, S., Park, C., Lee, J., Akihiro, T., & Kim, S. (2026). Herbarium specimens in the age of artificial intelligence: From herbarium image identification to Integrative Taxonomic AI. Journal of Plant Research. https://doi.org/10.1007/s10265-026-01743-y
10. Takano, A., et al. (2022). Development of a system for the automated identification of herbarium specimens with high accuracy. Scientific Reports, 12, 8066. https://doi.org/10.1038/s41598-022-11450-y
11. Walker, B. E., Tucker, A., & Nicolson, N. (2022). Harnessing large-scale herbarium image datasets through representation learning. Frontiers in Plant Science, 12, 806407. https://doi.org/10.3389/fpls.2021.806407
12. Wäldchen, J., & Mäder, P. (2018). Plant species identification using computer vision techniques: A systematic literature review. Archives of Computational Methods in Engineering, 25, 507–543. https://doi.org/10.1007/s11831-016-9206-z
13. Weaver, W. N., Ng, J., & Laport, R. G. (2020). LeafMachine: Using machine learning to automate leaf trait extraction from digitized herbarium specimens. Applications in Plant Sciences, 8(6), e11367. https://doi.org/10.1002/aps3.11367
14. Younis, S., Weiland, C., Hoehndorf, R., Dressler, S., Hickler, T., Seeger, B., & Schmidt, M. (2018). Taxon and trait recognition from digitized herbarium specimens using deep convolutional neural networks. Botany Letters, 165(3–4), 377–383. https://doi.org/10.1080/23818107.2018.1446357
15. Younis, S., Schmidt, M., Weiland, C., Dressler, S., Seeger, B., & Hickler, T. (2020). Detection and annotation of plant organs from digitised herbarium scans using deep learning. Biodiversity Data Journal, 8, e57090. https://doi.org/10.3897/BDJ.8.e57090
Жарияланды
Журналдың саны
Бөлім
Лицензия
Авторлық құқық (c) 2026 А.А. Кудайберген (Автор)
Бұл жұмыс Creative Commons атрибуты бойынша лицензияланған. 4.0 Халықаралық лицензия.
Мақалалар Creative Commons Attribution 4.0 International (CC BY 4.0) лицензиясы бойынша таратылады.
