基于指纹特征的真菌子检测方法 分散偏振图像的指纹特征
Yafei Wang1, Xiaodong Zhang1, Mohamed Farag Taha1,2
1School of Agricultural Engineering, Jiangsu University, Zhenjiang 212013, China.
Journal of fungi (Basel, Switzerland)
|December 22, 2023
概括
这项研究引入了一种新的方法,用于使用衍射偏振成像和机器学习对空气中温室气体病子进行分类. 该技术实现了高精度,有助于主动控制疾病并提高作物生产率.
科学领域:
- 农业科学 农业科学
- 生物技术是生物技术.
- 光学和光子学 在光学和光子学.
背景情况:
- 温室效率依赖于空气传播疾病子的早期检测.
- 目前用于子鉴定的方法可能耗时且缺乏精度.
- 积极的疾病管理对于作物产量和质量至关重要.
研究的目的:
- 开发和验证一种基于机器学习的方法,用于分类温室中的空气传播疾病子.
- 为了利用衍射偏振图像的独特指纹特征进行子识别.
- 提高疾病子检测的速度和准确性,以便及时干预.
主要方法:
- 建立了衍射偏振成像系统,以在多个偏振角度 (0°,45°,90°,135°) 捕捉子图像.
- 从各种疾病子的衍射偏振图像中提取了独特的指纹特征.
- 采用支持矢量机 (SVM) 分类算法进行自动子识别.
主要成果:
- 衍射偏振成像系统成功捕获了疾病子的明显图像.
- 每种子类型都表现出独特的衍射-极化指纹特征.
- 实现了高的识别率:番茄灰 (96.02%),黄瓜 (94.94%),黄瓜粉 (96.57%),平均准确率为95.85%.
结论:
- 分散偏振成像与机器学习相结合,提供了一种可靠的方法来识别空气传播疾病子.
- 独特的光谱指纹可以准确地分类不同的子类型.
- 这种方法为开发温室中先进的自动化疾病监测系统提供了基础.
