Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Идентификация сортов семян сосны с помощью гиперспектральной визуализации

Аннотация

Разработан метод идентификации сортов кедровых орехов на основе гиперспектральной визуализации и сверточной нейронной сети LeNet-5 с целью избежать гибридизации разных сортов кедровых орехов, повысить эффективность идентификации и снизить ее стоимость. Изображения 128 длин волн в диапазоне 370–1042 нм получены с помощью гиперспектральной визуализации. Спектр и изображение каждого семени получены с помощью черно-белой коррекции и сегментации области исходного изображения. Двадцать характеристических длин волн получены из первых трех главных компонент при анализе методом главных компонент. Создана модель спектрального распознавания на основе машины опорных векторов для наборов всех длин волн и характеристических длин волн. Для разных видов семян сосны точность классификации в указанных наборах данных составила 97.7 и 93.1 %. Исходные изображения 20 характерных длин волн введены в LeNet-5 для улучшения структуры сети и каналов свертки. Точность улучшенного LeNet-5 <99 %.

Об авторах

Jianing Ma
Пекинский университет лесного хозяйства
Китай

Пекин



L. Pang
Пекинский университет лесного хозяйства
Китай

Пекин



Y. Guo
Пекинский университет лесного хозяйства
Китай

Пекин



J. Wang
Пекинский университет лесного хозяйства
Китай

Пекин



Jingjing Ma
Пекинский университет лесного хозяйства
Китай

Пекин



F. He
Пекинский университет лесного хозяйства
Китай

Пекин



L. Yan
Пекинский университет лесного хозяйства
Китай

Пекин



Список литературы

1. R. Florin, Biol. Rev., 29, No. 4, 367–389 (2010).

2. M. Hizume, Natural Sci., 8, 1–108 (1988). 3. L. Linchu, Guangxi Plants, 324–328 (1988).

3. J. G. Niemann, Acta Bot. Neerl., 28, 73–88 (1979).

4. R. A. Price, J. Olsen-Stojkovich, J. M. Lowenstein, Syst. Bot., 12, 91–97 (1987).

5. A. Guri, P. Kefalas, V. Roussis, Phytother. Res., 20, 263–266 (2006).

6. G. Dong, J. Guo, C. Wang, Z. L. Chen, D. Z. Zhu, Spectrosc. Spectr. Anal., 35, 3369 (2015).

7. J. Zhang, L. M. Dai, F. Cheng, Molecules, 24, 25 (2019).

8. P. Yuan, L. Pang, L. M. Wang, L. Yan, Int. Food Res. J., 29, No. 2, 397–405 (2022).

9. I. Baek, M. S. Kim, B. K. Cho, C. Mo, J. Y. Barnaby, A. M. McClung, M. Oh, Appl. Sci.-Basel., 9, No. 5, 1027 (2019).

10. D. W. Sun, H. Y. Cen, H. Y. Weng, L. Wan, A. Abdalla, A. I. El-Manawy, Y. M. Zhu, N. Zhao, H. W. Fu, J. Tang, X. L. Li, H. K. Zheng, Q. Y. Shu, F. Liu, Y. He, Plant Methods, 15, 16 (2019).

11. Y. D. Bao, C. X. Mi, N. Wu, F. Liu, Y. He, Appl. Sci.-Basel., 9, No. 19, 4119 (2019).

12. S. S. Zhu, L. Zhou, P. Gao, Y. D. Bao, Y. He, L. Feng, Molecules, 24, 17 (2019).

13. M. B. McDonald, Seed Sci. Res., 8, 265–275 (1998).

14. J. S. C. Smith, J. C. Register, Seed Sci. Res., 8, 285–293 (1998).

15. Z. Chaoliang, W. Bin, Crop Mag., 1, 13–16 (1998).

16. Q. Zhu, Z. Feng, M. Huang, X. Zhu, Transact. Chin. Soc. Agric. Eng., 28, 271–276 (2012).

17. S. Javanmardi, S. H. M. Ashtiani, F. J. Verbeek, A. Martynenko, J. Stored Prod. Res., 92 (2021).

18. A. Krizhevsky, I. Sutskever, G. E. Hinton, Commun. ACM, 60, 84–90 (2017).

19. Y. LeCun, Y. Bengio, G. Hinton, Nature, 521, 436–444 (2015).

20. L. B. Wang, J. Y. Liu, J. Zhang, J. Wang, X. F. Fan, Front. Plant Sci., 13, 168–174 (2022).

21. W. Lu, R. T. Du, P. S. Niu, G. N. Xing, H. Luo, Y. M. Deng, L. Shu, Front. Plant Sci., 12, 791256 (2022).

22. H. Li, L. Zhang, H. Sun, Z. H. Rao, H. Y. Ji, J. Food Proc. Eng., 44, e13767 (2021).

23. G. Y. Zhao, L. Z. Quan, H. L. Li, H. Q. Feng, S. W. Li, S. H. Zhang, R. Q. Liu, Comput. Electron. Agric., 187, 106230 (2021).

24. N. Otsu, IEEE Trans. Syst. Man Cybern., 9, 62–66 (1979).

25. A. Femenias, M. B. Bainotti, F. Gatius, A. J. Ramos, S. Marin, Food Res. Int., 139, 109925 (2021).

26. B. Hasanzadeh, Y. Abbaspour-Gilandeh, A. Soltani-Nazarloo, M. Hernandez-Hernandez, I. Gallardo-Bernal, J. L. Hernandez-Hernandez, Horticulturae, 8, 598 (2022).

27. M. Gabrielli, V. Lancon-Verdier, P. Picouet, C. Maury, Chemosensors, 9, 71 (2021).

28. R. J. Barnes, M. S. Dhanoa, Susan, J. Lister, Appl. Spectrosc., 43, 772–777 (1989).

29. Karl Pearson F.R.S., Philos. Mag., 2, 559–572 (1979).

30. D. Liu, J. Ma, D. W. Sun, H. Pu, W. Gao, J. Qu, X. A. Zeng, Food Bioproc. Technol., 7, 3100–3108 (2014).

31. J. Platt, Tech. Rep., 98, 14 (1998).

32. G. Mountrakis, J. Im, C. Ogole, ISPRS J. Photogram. Remote Sens., 66, 247–259 (2011).

33. K. Were, D. T. Bui, Ø. B. Dick, B. R. Singh, Ecol. Indic., 52, 394–403 (2015).

34. V. Rodriguez-Galiano, M. Sanchez-Castillo, M. Chica-Olmo, M. Chica-Rivas, Ore Geol. Rev., 71, 804–818 (2015).

35. C. Cortes, V. Vapnik, Mach. Learn., 20, 273–297 (1995).

36. Y. Lecun, L. Bottou, Proc. IEEE, 86, 2278–2324 (1998).

37. X. Zhang, L. Z. Zhou, L. L. Zhang, Computer and Modernization, 5655–5660 (2019).


Рецензия

Для цитирования:


Ma J., Pang L., Guo Y., Wang J., Ma J., He F., Yan L. Идентификация сортов семян сосны с помощью гиперспектральной визуализации. Журнал прикладной спектроскопии. 2023;90(4):660.

For citation:


Ma J., Pang L., Guo Y., Wang J., Ma J., He F., Yan L. Application of Hyperspectral Imaging to Identify Pine Seed Varieties. Zhurnal Prikladnoii Spektroskopii. 2023;90(4):660.

Просмотров: 117


ISSN 0514-7506 (Print)