超スペクトル画像技術に基づくLycium barbarumの産地識別のための軽量ニューラルネットワークモデルの設計

科学分野:

• 農業科学
• コンピュータ科学
• リモートセンシング

背景:

• Lycium barbarum (ゴジベリー) の正確な産地識別は,品質管理と農業管理に不可欠です.
• Lycium barbarumを特定する伝統的な方法は,時間がかかり,主観的かもしれません.
• ハイパースペクトル画像は,植物特性の分析のための非破壊的で客観的なアプローチを提供します.

研究 の 目的:

• Lycium barbarumの起源を効率的かつ正確に識別するための軽量なニューラルネットワークモデルを開発する.
• 異なるニューラルネットワークアーキテクチャ (SimpleCNN, FPN) と軽量最適化テクニックのパフォーマンスを評価する.
• 開発されたモデルの実用性を評価する.

主な方法:

• 336.2~1038.8 nmのスペクトル範囲でLycium barbarumのハイパースペクトル画像を取得する.
• シンプル・コンボリューション・ニューラル・ネットワーク (SimpleCNN) とフィーチャー・ピラミッド・ネットワーク (FPN) のモデルの開発と比較.
• 注意を移す知識の蒸留と剪定 (非構造的および構造的) を含む軽量技術の適用.

主要な成果:

• FPNモデルは,0. 9934のAUCで92. 74%の差別的精度を達成しました.
• SimpleCNNの精度が 93.93%に改善されました
• 剪定方法は,高い精度を維持しながら,モデルの複雑さを効果的に削減しました (例えば,92.30%で86%の削減).

結論:

• 軽量なニューラルネットワークモデルは,知識の蒸留と剪定によって最適化され,Lycium barbarumの起源の差別化に有効です.
• 開発されたモデルは,特徴の波長選択の制限を克服し,実用的な応用価値を向上させました.
• 超スペクトル画像と最適化されたニューラルネットワークは Lycium barbarumの迅速かつ正確な識別のための強力な解決策を提供します.