乌龙茶种类的分类和发芽期的分类基于多谱信息
Qiong Cao1,2, Chunjiang Zhao1,2, Bingnan Bai1
1Technology Research Center, Beijing Academy of Agriculture and Forestry Sciences, Beijing, China.
Frontiers in plant science
|September 14, 2023
概括
准确识别乌龙茶品种至关重要. 机器学习,特别是由灰狼优化器 (GWO) 优化的支持矢量机 (SVM) 模型,在分类茶叶植物品种方面实现了超过99%的准确性.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物科学 植物科学
背景情况:
- 精确识别茶叶植物 (Camellia sinensis) 品种对于茶叶种植和生殖质管理至关重要,特别是对于乌龙茶.
- 传统的视觉评估方法用于品种识别是主观的,耗时的.
- 机器学习和计算机视觉为快速茶叶品种分类提供了高效,非侵入性的替代方案.
研究的目的:
- 开发和评估用于分类18种乌龙茶品种的机器学习模型.
- 为了比较由遗传算法 (GA),粒子群优化 (PSO) 和灰狼优化器 (GWO) 优化的支持矢量机 (SVM) 模型的性能.
- 评估使用多光谱成像用于自动化乌龙茶品种和发芽期分类的可行性.
主要方法:
- 18种乌龙茶品种的分类,使用27种多谱特征.
- 使用GA,PSO和GWO算法优化的SVM分类模型的实施.
- 在选定的多光谱特征上使用费舍尔分辨分析对品种发芽期的评估.
主要成果:
- 由GWO优化的SVM模型表现出卓越的性能,实现了高的歧视率:99.91% (培训),93.30% (测试) 和92.63% (验证).
- 多谱信息允许通过费舍尔分辨分析对乌龙茶品种的发芽期进行完整评估.
- 该研究证实了乌龙茶品种及其发芽期的自动精确分类的可行性.
结论:
- 机器学习,特别是用GWO优化的SVM,为乌龙茶品种识别提供了高度准确的方法.
- 多光谱成像与机器学习相结合,为自动化茶叶植物生殖质管理提供了切实可行的解决方案.
- 这种方法提高了乌龙茶种植和资源管理的效率和精度.


