快速作物真实性验证算法的帮助下进步
最近,作物质量智能感知团队合肥智能机械研究所、合肥研究院物理科学(HFIPS)中国科学院(CAS)开发了一种新算法的方向近红外光谱学,适合高通量鉴定作物品种的真实性。
相关工作发表在《红外物理与技术。
作物品种的真实性具有重要意义的各种保护和种子繁殖。传统正宗的作物品种的识别方法,如DNA分子鉴定、同工酶鉴定、和现场识别、复杂操作的缺点,费时,样品破坏,环境污染,和落后的检测结果,因此迫切需要一种有效的方法,实现作物品种的真实性鉴定。
快速检测技术,近红外光谱(NIRS),有许多优点。它是环保的,高度敏感的,无损。
在本研究中,自主研发的高通量种子质量排序工具基于近红外光谱技术,这是由团队,可以实现单个种子的快速识别和排序。基于此仪器,研究人员提出了一种改进的卷积神经网络(CNN)——InResSpectra网络,以帮助实现更精确的种子品种鉴定。这是一个优化的初始网络。它成功移除1×1卷积分支降低模型的复杂度,并增加ResNet残余元素的网络,加速神经网络的训练和提高准确性。
研究人员应用开发系统和InResSpectra网络24个小麦品种的鉴定和21个水稻品种,精度,取得了95.35%和93.07%,分别为光谱的识别提供了一种有效的方法作物品种的真实性。
参考:徐李X, Z,程W,等。高通量研究作物真实性识别方法基于近红外光谱和InResSpectra模型。红外物理技术。2022;125:104235。doi:10.1016 / j.infrared.2022.104235
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。