设定了形态质量极限,以便准确地分类烧焦的考古葡萄种子
Vlad Landa1,2, Yekaterina Shapira3, Adi Eliyahu-Behar4,5
1Department of Computer Science, Ariel University, 40700, Ariel, Israel.
Scientific reports
|July 12, 2024
概括
烧焦在250°C以上显著改变葡萄管形态,影响种子形状和裂. 机器学习与形态分析相结合,准确地分类了烧焦的葡萄种子,有助于考古学研究古代葡萄种植.
科学领域:
- 考古植物学 考古植物学
- 材料科学 材料科学 材料科学
- 计算生物学 计算生物学
背景情况:
- 在考古学上,葡萄 (Vitis vinifera L. 种子) 对于了解古代农业至关重要.
- 烧焦显著改变了种子形态,使识别和分类复杂化.
- 形态测量分析和机器学习为识别烧焦的种子提供了潜力.
研究的目的:
- 在各种烧焦条件下调查葡萄粒的形态变化.
- 开发一种评估烧焦严重性的方法,并使用形态测量和机器学习对葡萄种子进行分类.
- 为考古葡萄种子创建分类模型,以提高识别准确度.
主要方法:
- 高分辨率扫描和形态测量用于详细的形态分析.
- 机器学习分类算法的应用在烧焦葡萄种子上.
- 基于长宽比和受控烧焦数据的分类模型的开发.
主要成果:
- 在250°C以上观察到葡萄管形状,长宽比和裂发生的显著变化.
- 葡萄品种的准确分类对于在250°C和8小时内烧焦的种子是可行的.
- 一个分类模型估计了烧焦温度,揭示了约50%的考古种子的极端条件.
结论:
- 将机器学习与形态分类相结合,可以有效地识别适合分类的烧焦葡萄种子.
- 开发的分类模型提高了基于机器学习的考古葡萄种子识别的准确性.
- 这种方法为研究古代葡萄种植和葡萄种植实践提供了有价值的工具.
