学术中心
使用人工智能方法实时评估植物光合色素含量
发布时间:
2021-02-04
来源:
本站
作者:
PhenoTrait
植物光合色素含量测定是农业研究中常用的方法,可以描述植物营养状况、对环境变化的反应、衰老、病害状况等。本文展示了如何利用人工智能的方法进行无损、实时地预测植物叶片中光合色素含量。
使用过拟合去除方法的P3Net训练和验证平均绝对误差(MAEs)的比较
首先,利用嵌入在基于android移动应用程序中的卷积神经网络(CNN)模型,对叶片数字图像进行处理,预测三种主要的光合色素含量:叶绿素、类胡萝卜素和花青素。然后,讨论了最佳CNN模型的数据表示、低样本量处理和发展策略。结果显示,我们的CNN模型光合色素预测网络(P3Net)可以同时准确预测叶绿素、类胡萝卜素和花青素含量。花青素的预测误差为±2.93mg/g(0~345.45mg/g),类胡萝卜素的预测误差为±2.14mg/g(0~211.30mg/g),叶绿素的预测误差为±5.75mg/g(0~892.25mg/g)。
每个卷积神经网络模型的验证平均绝对误差(MAE)比较及其文件大小
使用移动应用程序的实时植物光合色素评估系统
综上所述,本文的研究是振奋人心的,可作为未来精密农业物联网智能设备发展的基准。
叶片图像的性能评价
来源:
Prilianti K R, Anam S ,Brotosudarmo T H P, et al. Real-time assessment of plant photosynthetic pigment contents with an artificial intelligence approach in a mobile application.Journal of Agricultural Engineering. https://doi.org/10.4081/jae.2020.1082.
推荐新闻
视频展示