基于人工智能的超光谱生物质估计器用于蓝藻菌种植
J M Fernández Montenegro1, I Pérez Couñago1, S Iglesias Moreira1
1Smart Systems and Smart Manufacturing (S3M) Department, AIMEN technology centre, Porriño, Spain.
Bioresource technology
|July 7, 2025
概括
超光谱成像和机器学习准确地预测了蓝色细菌生物质. 简化的多光谱方法也显示出对光合作用生物过程具有成本效益,实时监测的前景.
科学领域:
- 生物技术是生物技术.
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 生物质监测对于光合作用生物过程至关重要.
- 超光谱成像 (HSI) 和机器学习 (ML) 为非侵入性生物质估计提供了潜力.
- 对于将HSI数据与生物质预测联系起来,存在有限的概念验证.
研究的目的:
- 建立HSI和ML在蓝藻细菌生物质估计中的概念验证.
- 开发和验证使用光谱和图像数据进行生物质预测的ML模型.
- 探索生物质监测低成本多光谱系统的可行性.
主要方法:
- 获取了450个HSI数据集和205个来自蓝菌培养的生物质测量.
- 使用一个紧的推扫式摄像头来获取数据.
- 预处理图像以提取光谱信息,并训练了三个ML算法 (完全连接的神经网络等). ) 的情况.
主要成果:
- 完全连接的神经网络模型实现了高精度,平均绝对误差低于4% (37 mg/L).
- 一个仅使用三个波长的简化多光谱模型显示了与HSI相比的准确性.
- 证明了使用光谱成像用于生物质估计的可行性.
结论:
- 与ML相结合的HSI提供了一种有效的方法来估计蓝藻细菌生物量.
- 多光谱成像为生物质监测提供了一个可行的,潜在的低成本替代方案.
- 这项研究支持为光合作用生物过程开发实时,非侵入性工具.
