基于遗传算法和SA-1DCNN的白菜叶绿素含量预测高光谱模型


发布时间:

2023-09-01

来源:

本站

作者:

PhenoTrait

白菜(Brassica pekinensis L.)是一种绿叶蔬菜,在世界范围内广泛种植和消费。快速测定叶绿素含量对大白菜的高效育种和栽培至关重要。高光谱技术已广泛应用于叶绿素含量的研究,然而,对不同时期和品种的白菜叶片的研究却很少。本研究选用一种变异丰富的大白菜易位系材料。采集的样品覆盖了大白菜营养生长的各个时期。本研究将高光谱数据预处理方法与遗传算法相结合,进行特征波长提取。以叶绿素A (Chlorophyll a,Chla)、叶绿素b (Chlorophyll b,Chlb)、总叶绿素(total Chlorophyll,Chl)和SPAD值为预测指标,设计了基于一维卷积神经网络(One-Dimensional Convolutional Neural Network,1D-CNN)的自调整预测模型。

 

与传统的机器学习模型偏最小二乘回归(partial least squares regression,PLSR)相比,自调整模型表现出最优的性能。在测试集中,SA-1DCNN模型对每种叶绿素(包括Chla、Chlb、Chl和SPAD)的R2分别为0.65、0.64、0.71和0.34。实验结果表明,结合遗传算法(genetic algorithm,GA)和自调整一维卷积神经网络(Self-adjusted One Dimensional Convolutional Neural Network,SA-1DCNN)的高光谱预处理方法对叶绿素含量的预测是有效的。本研究为确定大白菜的营养状况提供了新的理论框架。

 

图1 不同叶绿素含量的白菜叶片。

 

图2 测定花青素含量的高光谱扫描系统。

 

图3 所有高光谱数据的处理。A.高光谱数据整体流程。B. GA工艺。C. SA-1DCNN工艺。

 

图4 高光谱图像和预处理图像。A.原始平均反射率B. SNV预处理图像C.二阶导数预处理D. SG平滑预处理图像

 

图5 叶绿素(a) Chla、(b) Chlb、(c) Chl和(d) SPAD的预测模型拟合图。为训练集和测试集绘制每个拟合,三角形表示训练集数据,叉形表示测试集数据。模型的强度程度可以根据模型与标准线的偏差来总结,图中表示R2和RMSE。

 

来 源

Zhang, D., Zhang, J., Peng, B., Wu, T., Jiao, Z., Lu, Y., Li, G., Fan, X., Shen, S., Gu, A., & Zhao, J. (2023). Hyperspectral model based on genetic algorithm and SA-1DCNN for predicting Chinese cabbage chlorophyll content. Scientia Horticulturae, 112334.

 

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。