学术中心

全部分类
您现在的位置:
首页
/
/
/
玉米籽粒败育的识别与分类

玉米籽粒败育的识别与分类

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:植物表型资讯
  • 发布时间:2020-10-13 06:10
  • 访问量:

【概要描述】

玉米籽粒败育的识别与分类

【概要描述】

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:植物表型资讯
  • 发布时间:2020-10-13 06:10
  • 访问量:
详情

玉米籽粒性状,如粒长、粒宽和粒数决定了玉米总粒重,从而决定了玉米产量。因此,玉米籽粒性状的测定对玉米育种和产量评估都至关重要。目前存在几种通过图像处理提取玉米籽粒特征的方法。本文评估了深卷积神经网络和二元机器学习(ML)算法(logistic回归(LR)、支持向量机(SVM)、AdaBoost(ADB)、分类树(CART)和K-邻域(kNN))在玉米籽粒败育检测和分类中的应用潜力。

 

用于聚类过程的玉米穗样本照片

 

以总计66幅图像为实验材料,其中75%进行算法训练,剩下的25%用于测试算法性能。混淆矩阵、分类准确率和精度是评估算法性能的主要指标。结果显示,SVM和LR算法在所有玉米籽粒败育状态下都具有很高的准确率和精度(100%),其余算法的性能均大于95%。利用不同激活和优化技术进一步评估深度卷积神经网络。结果显示,使用ReLu激活程序和Adam优化技术可达到最佳性能(100%精度)。与未败育玉米穗相比,所有测试算法都能以最少的训练和测试时间准确检测出有败育的玉米穗。

 

显示所有主要操作的深度学习卷积神经网络结构

 

用树状图表示的层次聚类算法将玉米籽粒分为两大类

 

综上所述,深度卷积神经网络辅以二元机器学习算法,可以用来检测玉米穗败育状况。利用卷积神经网络(CNN)方法,可以采集和处理成百上千个玉米穗数据(大数据),加快表型进程。

 

混淆矩阵总结了分类的准确性,精度和特异性

 

来源:

Chipindu L, Mupangwa W, Mtsilizah J, et al. Maize Kernel Abortion Recognition and Classification Using Binary Classification Machine Learning Algorithms and Deep Convolutional Neural Networks. AI 2020, 1(3), 361-375; https://doi.org/10.3390/ai1030024.

关键词:

扫二维码用手机看

推荐新闻

PhenoTrait “职”等你来
PhenoTrait “职”等你来
发布时间 : 2020-11-23 15:31:23
赶快将您的简历发到邮箱hr@phenotrait.com,我们热切的期待您的来信。!
查看详情
赶快将您的简历发到邮箱hr@phenotrait.com,我们热切的期待您的来信。!
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

田间高通量表型平台
00:00:37
所属分类:
视频展示
发布时间:
2020/09/10
关键词:
表型
植物表型
田间表型
高通量表型

专题报道

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城东路10号院
          京城尚德智造产业园E区112B

电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明