银杏花的性别识别方法使用高光谱成像和机器学习

科学领域:

• 植物科学 植物科学
• 遥感 遥感 遥感 遥感
• 机器学习 机器学习

背景情况:

• 银杏树 (Ginkgo biloba L.) 是一种有价值的,罕见的双胞胎物种,在世界各地种植.
• 准确的性别测定对于金刚果种植和生态管理至关重要.
• 现有的确定性别的方法可能是耗时和劳动密集的.

研究的目的:

• 开发一种快速有效的方法,通过使用高光谱成像来确定金科比洛巴的性别.
• 建立一种标准技术框架,用于两植物的性别分类.

主要方法:

• 绿色和黄色银杏树叶在不同生长阶段的高光谱成像.
• 使用RGB图像,光谱特征和融合光谱图像特征开发分类模型.
• 机器学习算法的应用,包括ResNet101,支持矢量机 (SVM),线性差异分析 (LDA) 和子空间差异分析 (SDA).
• 关于加强分类的两步期预定 (PP) 方法的建议.

主要成果:

• 在RGB数据上,ResNet101实现了90.27%的准确性.
• 机器学习模型显示出高预测准确度:绿叶的SVM和SDA (87.35%),黄色叶的LDA (98.85%).
• 与PP方法合并的光谱图像数据集在预测集上达到96.30%的整体准确性.

结论:

• 超光谱成像提供了一种高效和准确的方法,用于Ginkgo biloba的性别分类.
• 开发的技术框架为工业和生态应用提供了标准化的方法.
• 这种方法有可能对其他双胞胎植物物种的性别进行分类.