学术中心
利用高光谱成像和机器学习识别被镉污染的叶菜类蔬菜
- 分类:学术中心
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2022-06-16 06:10
- 访问量:
【概要描述】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。
利用高光谱成像和机器学习识别被镉污染的叶菜类蔬菜
【概要描述】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。
- 分类:学术中心
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2022-06-16 06:10
- 访问量:
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
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
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中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874、18600875228
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

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