米 (Oryza sativa L.) の葉の鉱物元素の効率的な定量分析のための階層的な画像特徴とスペクトルデータの二次融合
Longfei Ye1, Yiwei Dai1, Yifan Liu1
1College of Mechanical Engineering, Zhejiang University of Technology, Hangzhou, China.
この研究は,画像とレーザー誘発分解スペクトロスコーピー (LIBS) を神経ネットワーク (DMH-FNet) と組み合わせた低コストのデュアルモダルシステムを導入し,迅速で正確な植物要素分析を行う. この新しい方法は,植物における7つの重要な鉱物元素の定量化を大幅に改善します.
科学分野:
- 分析化学
- スペクトロスコーピー
- 植物学
背景:
- 植物鉱物元素の正確な定量化は,農業と環境モニタリングに不可欠です.
- レーザー誘発分解光学 (LIBS) は,高速で同時に複数の要素を分析できますが,サンプル異質性とマトリックス効果で課題に直面します.
- 既存のLIBS方法は,要素の定量化のための信頼性と精度を向上させる必要があります.
研究 の 目的:
- 植物鉱物元素の正確な定量化のための低コストで迅速な検出システムを開発する.
- 新しいニューラルネットワークを使用して,画像スペクトロスコピーのデータを統合することによって,LIBSのパフォーマンスを向上させる.
- デュアルモダルのシステムとネットワークの有効性を検証する.
主な方法:
- 低コストの画像スペクトロスコーピーのデュアルモダル急速検出システムの開発
- データの分析のためのダブルモダルの階層的な融合ネットワーク (DMH-FNet) の導入
- 機能マップの可視化とSHAP (SHapley additive exPlanations) をモデル解釈のために利用した.
主要な成果:
- DMH-FNetを使用したダブルモダルのシステムは,単独のLIBSと比較して,7つの元素 (P,Ca,Mg,Zn,Mn,K,Si) の定量化精度を大幅に改善しました.
- DMH-FNetは,アブレーションクレーターの画像から関連する特徴を効果的に抽出し,LIBSのスペクトルデータと融合させました.
- モデルの解釈は,低レベルのクレーター詳細から高レベルのグローバルサンプルの特徴へのシフトを明らかにし,定量化を強化しました.
結論:
- 提案されている低コストの検出システムとDMH-FNetは,植物の複数の鉱物元素の含有量を同時に,迅速かつ正確に予測することを可能にします.
- この研究は,LIBSベースの元素定量化を改善するために画像情報を抽出するためのニューラルネットワークの使用を先駆けしています.
- 統合されたアプローチは,栽培の最適化と重金属汚染のモニタリングのための有望な解決策を提供します.
さらに関連する動画
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
07:51Combining Raman Imaging and Multivariate Analysis to Visualize Lignin, Cellulose, and Hemicellulose in the Plant Cell Wall
Published on: June 10, 2017
関連する概念動画
Light Acquisition
UV–Vis Spectroscopy: Woodward–Fieser Rules
High-Resolution Mass Spectrometry (HRMS)
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
Key Elements for Plant Nutrition
