基于色彩和超光谱图像的特征融合与多变量分析的米种子生存能力预测
Abdullah Al Siam1, M Mirazus Salehin1, Md Shahinur Alam1
1Department of Farm Power and Machinery, Bangladesh Agricultural University, Mymensingh, 2202, Bangladesh.
Heliyon
|September 16, 2024
概括
结合高光谱和彩色成像,提供了一种非破坏性的方法来评估米种子的生存能力. 这种方法提高了区分可活和不可活的种子的准确性,为自动化种子分类铺平了道路.
科学领域:
- 农业科学 农业科学
- 图像处理 图像处理
- 频谱学是一种光谱学.
背景情况:
- 传统的种子活力测试是破坏性的,耗时的,需要化学品.
- 准确的种子生存能力评估对于统一的作物建立和产量至关重要.
研究的目的:
- 探索超光谱和彩色成像的联合潜力,以区分可活和不可活的米种子.
- 开发一种非破坏性的方法来快速评估种子的生存能力.
主要方法:
- 捕获了355个大米种子的超光谱和彩色图像.
- 开发了一种用于色彩特征提取和差异分析的图像处理算法.
- 使用部分最小平方区分分析 (PLS-DA) 与光谱数据和融合特征.
主要成果:
- 使用光谱数据的PLS-DA模型实现了88.9%的校准和86.1%的预测准确度.
- 光谱和彩色图像的融合功能提高了精度,达到93.3% (校准) 和90.9% (预测).
- 结合的功能还增强了F1得分,回忆和精度,并开发了可视化地图.
结论:
- 超光谱和彩色图像特征的融合提供了一个非常准确的,非破坏性的方法来评估米种子的生存能力.
- 这种综合方法对开发自动化在线种子分类系统具有重大前景.
- 开发的方法为传统的,破坏性的种子检测协议提供了可行的替代方案.
