使用机器学习进行基于图像的分析,分析甜根的感觉属性.
Joyce Nakatumba-Nabende1, Claire Babirye2, Jeremy Francis Tusubira2
1Department of Computer Science, Makerere University, Uganda.
概括
机器学习和图像分析现在可以预测甜肉的颜色和度,提高育种效率. 这种高通量方法有助于育种者更快地选择消费者接受的品种.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 食品科学 食品科学 食品科学
背景情况:
- 甜的育种依赖于评估消费者接受的颜色和味等感官特征.
- 目前使用人类面板的感官评估方法缓慢,昂贵,并且限制了繁殖吞吐量.
- 需要高通量方法来加快选择可取的甜品种.
研究的目的:
- 开发和验证机器学习模型,通过图像分析来预测甜肉的颜色和度.
- 创建一个高通量表型化工具,以帮助甜种植者.
- 用客观的,自动化的分析来增强传统的感官评估方法.
主要方法:
- 使用DigiEye成像系统捕捉了煮熟的甜的截面图像.
- 应用图像预处理以消除背景和提取特征.
- 开发和训练机器学习模型 (线性回归,随机森林,梯度提升) 以对人类面板数据预测感官属性.
主要成果:
- 机器学习模型在预测肉色 (R2高达0.92) 和肉味 (R2高达0.85) 方面取得了很高的准确性.
- 模型性能达到0.80的理想R2值,表明与人类感官面板的可比性.
- 开发的系统已成功部署,并由国际土豆中心的育种者进行测试.
结论:
- 基于图像的机器学习提供了一个高通量,准确的解决方案来评估甜肉的颜色和性.
- 这种方法可以通过更快地选择有前途的品种来显著加快甜的育种周期.
- 自动感官属性预测有可能提高消费者采用新品种甜的采用率.


