基于新型投票机制的小麦类型智能分类模型


发布时间:

2023-01-09

来源:

植物表型资讯

作者:

PhenoTrait

在评估粮食供应链质量时,要从检查种子开始,所以必须识别和认证小麦类型。传统的谷物识别和确认都采用人工目测的方式。基于机器学习和计算机视觉的自动分类方法快速发展,高速、低耗的谷物选择成为可能。时至今日,在品种层面上的分类仍然是一个挑战。在这项工作中,使用机器学习技术对小麦种子进行了分类。小麦面积、周长、紧实度、籽粒长度、籽粒宽度、不对称系数和籽粒沟长是用来对种子进行分类的7个物理参数。该数据集包括210个独立的小麦籽粒实例,并从UCI库中汇编而成。数据集的70个成分是随机选择的,包括三个不同品种的小麦籽粒:卡玛、罗莎和加拿大。在第一阶段,我们使用单一机器学习模型进行分类,包括多层神经网络、决策树和支持向量机。每种算法的输出与机器学习组合方法的输出进行衡量,机器学习组合方法使用鲸鱼优化和随机分形搜索算法进行优化。最后,研究结果表明,与单一的机器学习模型相比,所提出的优化合集取得了更好的结果。

图1 研究论文概述。

 

图2 研究方法概述。

 

图3 不同小麦种子品种的计数。

 

图4 支持向量机的结构。

 

图5 多层神经网络的结构。

 

图6 决策树的结构。

 

图7 分类过程的步骤。

 

图8 与其他方法相比,所提方法的准确性。

 

 

来 源

Abdelhamid A A, El-Kenawy E S M, Ibrahim A, et al. Intelligent Wheat Types Classification Model Using New Voting Classifier[J].

DOI:10.54216/JISIoT.070103 

 

编 辑

小王博士在努力

 

扩展阅读

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。