ORBMO-RF: un método de clasificación no destructiva para semillas de ginseng basado en fusión multimodal y un...

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la Computación
• Biotecnología

Sus antecedentes:

• La clasificación precisa de las semillas de ginseng es crucial para la producción, la calidad, la cría y la modernización de la industria.
• Las tecnologías actuales de clasificación de precisión automatizada para semillas de ginseng están subdesarrolladas y enfrentan cuellos de botella técnicos.

Objetivo del estudio:

• Desarrollar un método inteligente innovador para la clasificación de semillas de ginseng utilizando la fusión de datos multimodales.
• Mejorar la precisión y la eficiencia de la clasificación de semillas de ginseng para aplicaciones industriales.

Principales métodos:

• Un enfoque de fusión de datos multimodales que combina características morfológicas derivadas de imágenes y datos hiperespectrales.
• Recursive Feature Elimination (RFE) para la selección de características morfológicas y Competitive Adaptive Reweighted Sampling (CARS) para la extracción de bandas espectrales.
• Un modelo de clasificación Random Forest (RF) optimizado por un algoritmo mejorado de optimización de la urraca de pico rojo (RBMO) con mecanismos híbridos para una convergencia mejorada.

Principales resultados:

• El modelo propuesto de fusión multimodal demostró mejoras significativas sobre el modelo base de RF.
• Se lograron aumentos porcentuales del 4,69% en precisión, 4,79% en precisión, 4,69% en recuperación y 4,74% en puntuación F1 en los conjuntos de datos de prueba.

Conclusiones:

• El sistema desarrollado proporciona una base teórica y técnica sólida para la clasificación a gran escala de semillas de ginseng.
• Este paradigma de toma de decisiones inteligente es transferible para pruebas no destructivas en medicina tradicional china.