基于高光谱成像技术的茶苗生长深度学习模型


发布时间:

2024-05-14

来源:

作者:

茎和根的生长不仅是衡量茶苗质量的重要指标,而且可以为农业生产和精细育苗管理提供科学依据。目前测量茎、根生长的主要方法是人工称重,这种方法破坏性大,效率低。本研究提出了一种利用高光谱成像技术监测茶叶扦插苗茎根生长的方法。首先,利用Mask R-CNN (Epoch=20,学习率=0.001)提取茶苗的成熟叶和芽光谱。然后采用MSC、S-G、一维滤波技术对光谱进行预处理,通过UVE(最优因子数=5)、CARS(蒙特卡罗采样次数=300)和SPA (Epoch=25)筛选特征波段。最后,利用CNN- GRU(Epoch=100,学习率=0.01)网络预测茎和根生物量,并与CNN和LSTM的SVR (Kernel function=Polynomial)、RFR (Ntrees=200)、PLSR (Latent variable=16)机器学习方法和深度学习方法(Epoch=100,学习率=0.01)进行比较。

 

结果表明:(1) Mask R-CNN能够准确提取成熟叶片(精度为97.8%)和芽(精度为91.5%)的光谱;

 

(2) UVE筛选的芽(数量=212)和根(数量=105)生物量的光谱特征波段比CARS和SPA更为丰富;

 

(3) 基于芽光谱的UVE+CNN-GRU模型(Rp2 =0.90, RMSEP = 0.12, RPD=2.43)提供了对芽生物量的最优估计。

 

基于成熟叶片光谱的SPA+LSTM模型(Rp2 = 0.65, RMSEP = 0.05, RPD=1.67)提供了根系生物量的最优估计。这些发现表明,结合深度学习算法的高光谱成像技术可以快速准确地监测扦插苗的生长情况,而不会造成损害。这不仅为高效筛选茶叶优良品种提供了新的数据来源和技术手段,而且提高了农业生产效率和资源利用率。

 

图1  显示了图像采集和流程图的组合。(a)图像采集;(b)数据处理流程图。

 

图2  研究领域。(a)中国山东省富源春生态茶园的位置;(b)富源春生态茶园;(c)育苗大棚。

 

图3  标记图像。(a)标记成熟叶和芽的图像;(b)标记成熟叶片和芽的图像。

 

图4  Mask R-CNN的结构。

 

图5  高光谱数据的提取过程

 

图6  CNN-GRU的结构。

 

图7  3个品种茶叶扦插苗茎、根生物量的生长变化。(a)嫩芽生长;(b)根系生长。

 

图8  Mask R-CNN模型的训练过程。

 

图9  MSC、1D和S-G的原始谱和预处理谱。(a)茎部光谱+茎部生物量;(b)茎谱+根系生物量;(c)成熟叶谱+茎生物量;(d)成熟叶谱+根系生物量。

 

图10  采用UVE、CARS和SPA算法筛选特征波段。(a)茎部光谱+茎部生物量;(b)茎谱+根系生物量;(c)成熟叶谱+茎生物量;(d)成熟叶谱+根系生物量。

 

图11  四种最佳估计模型的预测值和实际值的散点图。(a)射谱+ UVE + CNN-GRU;(b)成熟叶片光谱+ UVE + CNN-GRU;(c)拍摄谱+ SPA + CNN;(d)成熟叶片光谱+ SPA + LSTM。

 

来 源

He Li, Yilin Mao, Hongtao Shi, Kai Fan, Litao Sun, Shah Zaman, Jiazhi Shen, Xiaojiang Li, Caihong Bi, Yaozong Shen, Yang Xu, Hao Chen, Zhaotang Ding, Yu Wang. (2024) Establishment of deep learning model for the growth of tea cutting seedlings based on hyperspectral imaging technique, Scientia Horticulturae, 113106.

 

编辑

王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。