基于高光谱图像的完全连接-卷积 (FC-CNN) 神经网络,用于快速识别P.人参生长年
Xingfeng Chen1,2, Hejuan Du3, Yun Liu4
1Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100094, China.
Scientific reports
|March 27, 2024
概括
准确识别Panax人参生长年对于质量至关重要. 一个使用高光谱成像的新型FC-CNN网络在食品和药物P.人参分类方面实现了100%的准确性.
科学领域:
- 农业科学 农业科学
- 生物技术是生物技术.
- 频谱学是一种光谱学.
背景情况:
- 潘纳克斯人参是一种有价值的功能性食品,具有药用特性.
- 种植年对P.人参的药用和经济价值产生重大影响.
- 对于质量控制而言,对P.人参的年龄进行非破坏性识别至关重要.
研究的目的:
- 开发一种快速且无破坏性识别P.人参生长年的方法.
- 通过使用高光谱成像来描述不同生长年龄的P.人参.
- 评估拟议的FC-CNN网络对P.人参的年龄和使用分类的有效性.
主要方法:
- 获得了P.人参的高光谱反射率数据和图像.
- 使用随机森林方法来进行最佳的频段选择.
- 提出并测试了一个集光谱和空间特征的FC-CNN网络.
主要成果:
- FC-CNN网络在逐年识别P.人参时取得了高准确度.
- 食品和药品P.人参的识别准确性达到了100%.
- 可见和近红外 (VNIR) 波段提供了比短波红外 (SWIR) 波段更有用的信息.
结论:
- 通过使用超光谱数据,FC-CNN网络有效地识别了P.人参生长年.
- 与FC-CNN相结合的高光谱成像为P.人参质量评估提供了一个有前途的方法.
- 在P.人参生长年鉴定方面,VNIR高光谱图像优于SWIR.
