利用高光谱成像和机器学习识别被镉污染的叶菜类蔬菜


发布时间:

2022-06-16

来源:

本站

作者:

PhenoTrait

  镉(Cd)是一种有毒元素,能够在可食用植物组织中积累,对人类健康产生负面影响。本研究的目的是确定高光谱成像(HSI)和机器学习(ML)是否可以用来对甘蓝(Brassica oleracea)和罗勒(Ocimum basilicum)中的镉浓度进行分类,以减少食品安全风险。实验在一个自动表型设施中进行,除土壤中的镉浓度外,所有的环境条件都保持不变。罗勒和甘蓝植物分别在62天和84天后被收割,并使用传统方法测定地上生物量中的镉浓度,以便使用成像传感器收集的数据训练ML模型。在收获时还收集了可见光/近红外(VNIR)图像,并进行处理以计算400-998 nm之间的473个波段的反射率。所有的反射光谱都要经过特征选择算法ReliefF和主成分分析(PCA)来生成数据,并为评估三种ML分类模型提供输入:人工神经网络(ANN)、集成学习(EL)和支持向量机(SVM)。根据Cd浓度高于或低于粮食及农业组织(FAO)规定的0.2mg kg-1 Cd的安全阈值,对植物进行了分类。Cd检测排名最高的波长在519和574以及692和732 nm之间,表明高Cd可能改变了植物的叶绿素含量并改变了叶片内部结构。所有的模型都能将植物分为高镉组和低镉组,尽管对量化镉的最佳F1得分的模型是利用所有波长反射率的验证子集的ANN。这项研究表明,HSI和ML是快速和精确诊断绿叶植物中Cd的有效技术。

 

  图1图形摘要

 

  来源:Souza A, Zea M, Yang Y, et al. Identifying Cadmium Contaminated Leafy Vegetables Using Hyperspectral Imaging and Machine Learning[J]. Available at SSRN 4095061.

  

  编辑:小王博士在努力

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。