使用超光谱成像技术和三维卷积神经网络对多年和多品种的南瓜种子进行分类
Xiyao Li1, Xuping Feng2, Hui Fang1
1College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou, 310058, China.
Plant methods
|August 10, 2023
概括
一个新的位置关注嵌入三维卷积神经网络 (PA-3DCNN) 准确地使用超光谱成像对南瓜种子品种进行分类. 这种方法提供了一种可靠的策略,用于识别有价值的南瓜生殖质资源.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 生物技术是生物技术.
背景情况:
- 黄瓜种子是有价值的油作物,具有重要的营养含量.
- 有效识别南瓜生殖质对于作物改进和精确育种至关重要.
- 来自中国江省的75种南瓜物种使用35,927张高光谱图像进行了研究.
研究的目的:
- 开发一种快速准确的方法来分类南瓜种子品种.
- 为了利用高光谱成像和先进的深度学习来识别生殖质.
主要方法:
- 设计了一种新的位置关注嵌入式三维卷积神经网络 (PA-3DCNN).
- 采用高光谱成像技术,捕捉详细的种子特征.
- 该PA-3DCNN模型在75种南瓜种类的数据集上进行了训练和测试.
主要成果:
- 与传统的机器学习方法相比,PA-3DCNN实现了更高的分类性能.
- 获得了 99.14% (培训) 和 95.20% (测试) 的高分类准确率.
- 该模型表现出强烈的概括性,在随后的年分类中达到94.8%的准确性.
结论:
- 该PA-3DCNN模型,增强了双卷曲,聚合和注意力机制,显著改善了南瓜种子的分类.
- 该模型的强大泛化允许对南瓜种子进行多年分类.
- 这项研究提出了一种新的策略和一种实际的技术方法,用于识别南瓜种子生殖质资源.
