糖种子发芽预测使用高光谱成像信息融合
Jiaying Wang1, Laijun Sun1, Wang Xing2
1Key Laboratory of Electronic Engineering, Heilongjiang University, Harbin, China.
Applied spectroscopy
|May 29, 2023
概括
超光谱成像 (HIS) 提供了一种非破坏性的方法来预测甜菜种子发芽. 融合功能与CatBoost模型相结合,实现了超过93%的准确性,改善了种子质量评估.
科学领域:
- 农业科学 农业科学
- 植物科学 植物科学
- 频谱学是一种光谱学.
背景情况:
- 种子发芽率对于农业生产力和质量控制至关重要.
- 传统的发芽检测是耗时且具有破坏性的.
- 开发快速,非破坏性的发芽预测方法是必不可少的.
研究的目的:
- 开发和验证一种使用高光谱成像 (HIS) 预测甜菜种子发芽的非破坏性方法.
- 分析光谱和图像特征,以提高发芽预测的准确性.
主要方法:
- 单一的甜菜种子使用HIS进行分析,用于非破坏性图像细分.
- 频谱数据经过预处理 (SNV+1D),使用Kullback-Leibler (KL) 分歧确定了特征波长.
- 图像特征是使用灰色级别共发生矩阵 (GLCM) 提取的.
- 部分最小平方差分分析 (PLS-DA),CatBoost和支持矢量机辐射基函数 (SVM-RBF) 模型使用光谱,图像和融合特征.
主要成果:
- 与单独的光谱或图像特征相比,融合特征表现出优异的预测性能.
- 使用融合特征的CatBoost模型实现了最高的预测准确率93.52%.
- 提取的特征波长和图像特征被验证了它们的相关性.
结论:
- 超光谱成像与融合特征相结合,为预测甜菜种子发芽提供了准确而非破坏性的方法.
- 这种方法有可能提高农业的种子选择和质量评估过程.


