Desarrollo de una herramienta para identificar información sobre plantas medicinales en la región Apan Hidalgo, utilizando tecnologías de la industria 4.
Barra lateral del artículo
Contenido principal del artículo
Resumen
En los últimos años ha crecido el uso de las tecnologías emergentes en cualquier área, sin dejar de incluir la salud. El presente trabajo consiste en el desarrollo de una aplicación innovadora diseñada para identificar plantas medicinales en la región de Apan, Hidalgo, aprovecha tecnologías de vanguardia como Deep Learning y Machine Learning impulsado por bibliotecas como TensorFlow. Esta herramienta garantiza resultados altamente precisos y en tiempo real, accesibles desde cualquier dispositivo con cámara y conexión a internet. Los usuarios pueden escanear plantas, ya sea secas o vivas, utilizando su dispositivo para obtener información detallada sobre sus propiedades medicinales, usos tradicionales y beneficios potenciales. La aplicación también incluye una base de datos de conocimiento botánico local, elaborada en colaboración con expertos y comunidades indígenas. Lamentablemente, este conocimiento ancestral está en riesgo de perderse, ya que las nuevas generaciones están cada vez menos familiarizadas con las plantas medicinales, y las personas mayores que poseen esta sabiduría no siempre logran transmitirla. Al combinar tecnología avanzada con sabiduría tradicional, la aplicación no solo facilita la identificación de plantas, sino que también promueve la preservación y difusión de este invaluable legado. Esta iniciativa busca cerrar la brecha entre la ciencia moderna y las prácticas tradicionales, asegurando que las generaciones futuras puedan acceder y beneficiarse de este conocimiento antes de que desaparezca. Además, la aplicación fomenta la conciencia ambiental al animar a los usuarios a aprender sobre y proteger la biodiversidad local.
Detalles del artículo
Citas
Goeau, H., Bonnet, P., Joly, A., Molino, J. F., Barthelemy, D., & Boujemaa, N. (2018). Pl@ntNet: A deep learning-based mobile application for plant identification. Biodiversity Informatics, 13(1), 14-28.
Joly, A., Bonnet, P., Goëau, H., Barbe, J., Selmi, S., Champ, J., ... & Boujemaa, N. (2014). PlantNet: A participatory database for plant identification. Proceedings of the 2014 ACM Conference on Multimedia, 517-518. https://doi.org/10.1145/2647868.2655055
Kumar, N., Belhumeur, P. N., Biswas, A., Jacobs, D. W., Kress, W. J., Lopez, I. C., & Soares, J. V. B. (2012). LeafSnap: A computer vision system for automatic plant species identification. Proceedings of the 12th European Conference on Computer Vision (ECCV), 502–516. https://doi.org/10.1007/978-3-642-33709-3_36
Mader, P., Otte, J., Speck, T., & Weigend, M. (2021). Flora Incognita: AI-driven plant identification for citizen science and education. Ecological Informatics, 61, 101198.
Muñoz, I., & Bolt, A. (2021). Diseño y desarrollo de aplicación móvil para la clasificación de flora nativa chilena utilizando redes neuronales convolucionales. https://arxiv.org/abs/2106.06592
Seltzer, C. E., & Long, M. M. (2020). iNaturalist: A Nature App that Connects Citizens to Science. Frontiers in Ecology and the Environment, 18(9), 458-459. https://doi.org/10.1002/fee.2235
Sweeney, P. W., Stagg, C., Ríos, N., & Kriebel, R. (2018). Digitization of the New York Botanical Garden Herbarium. Biodiversity Data Journal, 6, e22822. https://doi.org/10.3897/BDJ.6.e22822
Rzanny, M., Seeland, M., Wäldchen, J., & Mäder, P. (2019). Automated plant species identification: Trends and future directions. PLoS Computational Biology, 15(4), e1007044. https://doi.org/10.1371/journal.pcbi.1007044
Ullah, S., & Khan, S. (2016). A survey of plant identification using image processing techniques. International Journal of Image, Graphics and Signal Processing, 8(10), 25-34. https://doi.org/10.5815/ijigsp.2016.10.04
Ytow, N., & Okada, K. (2012). Online identification tools for biodiversity research. Biodiversity and Conservation, 21(12), 3287-3299. https://doi.org/10.1007/s10531-012-0360-6