ТОЧНАЯ ИДЕНТИФИКАЦИЯ ПОЛА И ВИДОВ КУКОЛОК ШЕЛКОВИЧНОГО ЧЕРВЯ С ПОМОЩЬЮ СПЕКТРОСКОПИИ БЛИЖНЕГО ИК ДИАПАЗОНА

Предлагается метод распознавания пола и видов куколок шелковичного червя с помощью спектроскопии в ближнем ИК диапазоне (800-2778 нм). Полученные спектры 840 куколок шелковичного червя разделены с помощью алгоритма Кеннарда-Стоуна (KS) на две группы - калибровочную (700) и проверочную (140). Модели распознавания созданы с использованием приближений радиальной базисной функции и нейронной сети (RBF-NN) и метода опорных векторов (SVM). Результаты идентификации видов и пола с помощью моделей RBF-NN и SVM, базирующихся на полных спектральных данных, получены с низкой точностью (5 и 33.57 %). Для повышения точности и уменьшения времени обработки применены метод главных компонент (PCA) и линейный дискриминантный анализ (LDA), позволившие снизить размерность данных. Эффективность оптимизированной модели с использованием SVM значительно выше (92.14%), чем модели с использованием RBF-NN и PCA (19.29%). В целом наилучшие результаты по распознаванию получены при использовании моделей RBF-NN и SVM, основанных на LDA, которые обеспечивают точность 100%. Результаты показывают, что модели LDA-SVM и LDA-RBF-NN дают возможность распознавания пола и видов куколок шелковичного червя с помощью спектроскопии в ближнем ИК диапазоне.

куколка шелковичного червя, спектроскопия в ближней инфракрасной области, пол, вид, silkworm pupa, NIR spectroscopy, sex, species

1. T. Fujii, T. Shimada, Semin. Cell Dev. Biol., 18, 379-388 (2007).

2. Y. Seo, H. Morishima, A. Hosokawa, Jpn. Soc. Agric., 47, 191-195 (1985).

3. K. M. M. Rahman, M. Miura, Y. Banno, H. Morikawa, Y. Chen, J. Insect Biotechnol. Sericol., 78, No. 3, 139-147 (2010).

4. C. Liu, Z. H. Ren, H. Z. Wang, P. Q. Yang, X. L. Zhang, Int. Conf. Biomed. Eng. Inform. IEEE, 2, 8-12 (2008).

5. J. Cai, L. Yuan, B. Liu, L. Sun, Anal. Methods, 6, No.18, 7224-7233 (2014).

6. S. Sumriddetchkajorn, C. Kamtongdee, S. Chanhorm, Comput. Electron. Agric., 119, 201-208 (2015).

7. T. Jin, L. Liu, X. Tang, H. Chen, J. Near Infrared Spectrosc., 3, No.1, 89-95 (1995).

8. S. Pan, T. Jin, G. Liu, S. He, Acta Biophys. Sinica, 11, 32-37(1995).

9. M. Boulet-Audet, F. Vollrath, C. Holland, J. Exp. Biol., 218, No.19, 3138-49 (2015).

10. M. Boulet-Audet, T. Lefevre, T. Buffeteau, M. Pézolet, Appl. Spectrosc., 62, 956-962 (2008).

11. W. Guo, J. Gu, D. Liu, L. Shang, Comput. Electron. Agric., 123, 297-303 (2016).

12. M. J. C. Pontes, R. K. H. Galvão, M. C. U. Araújo, P. N. T. Moreira, O. D. P. Neto, G. E. José, T. B. C. Saldanha, Chemom. Intell. Lab. Syst., 78, 11-18 (2005).

13. K. Pearson, Philos. Mag., 2, 559-572 (1901).

14. K. H. Esbensen, P. Geladi, P. Geladi, Comprehensive Chemometrics, 2, 211-226 (2009).

15. S. Wold, K. Esbensen, P. Geladi, Chemom. Intell. Lab. Syst., 2, 37-52 (1987).

16. R. A. Fisher, Ann. Eugen., 7, 179-188 (1936).

17. D. S. Zhu, J. Z. Pan, Spectrosc. Spectr. Anal., 28, 1102-1106 (2008).

18. X. Jin, C. Shi, C. Y. Yu, T. Yamada, E. J. Sacks, Front. Plant Sci., 8, 721 (2017).

19. C. Cortes, V. Vapnik, Mach. Learn., 20, 273-297 (1995).

20. O. Devos, C. Ruckebusch, A. Durand, L. Duponchel, J. P. Huvenne, Chemom. Intell. Lab. Syst., 96, No. 1, 27-33 (2009).