Sinergia entre la ciencia de la madera y la inteligencia artificial interpretable: detección y clasificación de especies de madera mediante imágenes hiperespectrales

Con la creciente demanda de madera en el mercado de la madera y el comercio frecuente de madera de alto valor, la identificación precisa de las variedades de madera se ha vuelto esencial. Este estudio emplea dos sistemas de imágenes hiperespectrales: espectroscopia visible e infrarroja cercana (VNIR) y espectroscopia infrarroja de onda corta (SWIR), en combinación con un modelo de aprendizaje profundo para proponer un método para la identificación de especies de madera. Los datos espectrales de las muestras de madera se obtuvieron a través de tecnología de imágenes hiperespectrales y la clasificación se realizó utilizando una combinación de redes neuronales convolucionales (CNN) y modelos Transformer.

Se aplicaron múltiples técnicas de preprocesamiento espectral y extracción de características para mejorar la calidad de los datos y el rendimiento del modelo. Los resultados experimentales muestran que el modelado de banda completa es significativamente mejor que el modelado de banda característica en términos de precisión y solidez de la clasificación. Entre ellos, la precisión de clasificación de SWIR alcanza el 100%, el número de parámetros del modelo es 1.286.228, el tamaño total del modelo es 4,93 MB y las Operaciones de Punto Flotante (FLOP) son 1,29 M. Además, se utilizó la técnica de Explicación Aditiva de Shapley (SHAP) para la interpretabilidad del modelo, revelando bandas espectrales clave y regiones de características que el modelo enfatiza durante la clasificación. En comparación con otros modelos, CNN-Transformer es más eficaz para capturar las características clave. Este método proporciona una herramienta eficiente y confiable para la industria de la madera, particularmente en el procesamiento y comercio de la madera, ofreciendo un amplio potencial de aplicación y beneficios económicos significativos.

Fuente: Qi, Y., Zhang, Y., Tang, S. y Zeng, Z. (2025). Sinergia entre la ciencia de la madera y la inteligencia artificial interpretable: detección y clasificación de especies de madera mediante imágenes hiperespectrales. Forests , 16 (1), 186. https://doi.org/10.3390/f16010186