通过使用机器学习方法进行数字图像分析来确定大麦粒中的黑色素和反素含量
E G Komyshev1, M A Genaev2, I D Busov3
1Institute of Cytology and Genetics of the Siberian Branch of the Russian Academy of Sciences, Novosibirsk, Russia.
Vavilovskii zhurnal genetiki i selektsii
|March 19, 2024
概括
研究人员开发了一种计算机视觉方法,用于识别大麦谷物中的安东和黑色素. 这种由人工智能驱动的方法提供了一种更快,更容易获得的方法来分析大麦色素成分,帮助遗传研究.
科学领域:
- 农业科学 农业科学
- 植物生物学 植物生物学
- 计算机科学 计算机科学
背景情况:
- 麦子的谷物颜色是由素和黑色素颜料决定的.
- 在视觉上区分这些颜料是很有挑战性的.
- 目前的化学分析方法昂贵且耗时.
研究的目的:
- 开发一种快速,易于使用的方法来评估大麦粒的色素成分.
- 利用数字图像分析,计算机视觉和机器学习进行颜色识别.
- 帮助人们了解大麦粒色素的遗传控制.
主要方法:
- 从108个加入中获得了972张大麦谷物的数字RGB图像.
- 使用计算机视觉和卷积神经网络开发了四种预测模型.
- 使用化学方法来准确确定色素作为基准.
主要成果:
- 基于EfficientNetB0拓的U-Net网络模型实现了最高的精度 (0.821).
- 开发的方法成功地从谷物图像中预测了氨酸和黑色素的存在.
- 这项研究证明了AI在分析植物色素成分方面的可行性.
结论:
- 使用机器学习的数字图像分析为大麦色素分析提供了传统化学方法的高效替代方案.
- 这种方法可以加速对大麦遗传学和育种的研究.
- 开发的协议和模型为植物科学家提供了有价值的工具.
