近红外光谱学 蓝的机器学习光谱分析工具 (Vaccinium corymbosum) 种类歧视
Pedro Ribeiro1, Maria Inês Barbosa1, Clara Sousa1
1CBQF-Centro de Biotecnologia e Química Fina-Laboratório Associado, Escola Superior de Biotecnologia, Universidade Católica Portuguesa, Rua de Diogo Botelho 1327, 4169-005 Porto, Portugal.
近红外光谱学使用叶子光谱准确区分了19种Vaccinium corymbosum蓝品种. 这种方法提供了一种精确的替代品,用于品种识别的果检查.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- (Vaccinium corymbosum) 是一种主要的商业蓝品种,有许多品种.
- 目前的品种歧视依赖于果检查,这可能是主观和耗时的.
- 准确的品种鉴定对于保持遗传纯度和市场质量至关重要.
研究的目的:
- 开发一种新的方法来区分19种Vaccinium corymbosum品种,使用叶子近红外 (NIR) 光谱.
- 评估机器学习模型与数据维度减小 (DDR) 技术结合用于品种识别的有效性.
主要方法:
- 从新鲜的蓝叶获取NIR光谱,跨越两个地区和三个季节.
- 将四种DDR技术 (词典学习,因子分析,快速ICA,PCA) 应用于NIR光谱数据.
- 10个机器学习分类器的培训和测试,使用交叉验证来确定最佳模型.
主要成果:
- 培养差异的准确度在52.27%至100%之间.
- 最高的准确性 (100%) 是通过秋季的向叶谱和冬季的向叶谱来实现的.
- 快速独立组件分析 (ICA) 是表现最好的模型中一个关键的DDR技术.
结论:
- 接近红外光谱学与机器学习和DDR相结合,是一种非常准确和合适的方法,用于区分Vaccinium corymbosum品种.
- 这种技术提供了一个非破坏性和有效的替代品,用于品种识别传统果检查.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
相关概念视频
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
IR Frequency Region: Fingerprint Region
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
Applications of IR Spectroscopy: Overview
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent...
Spectrophotometry: Introduction
The essential components of a spectrophotometer include a source of electromagnetic radiation, a slot for placing a material to be analyzed, and a...
