題目
基于高光譜影像和深度卷積神經(jīng)網(wǎng)絡(luò)的玉米種子品種分類
應(yīng)用關(guān)鍵詞
高光譜成像技術(shù)、深度學(xué)習(xí)、種子純度、可見(jiàn)近紅外
背景
在種子品質(zhì)檢測(cè)中，品種純度是一個(gè)重要的指標(biāo)，影響著種子的生長(zhǎng)和產(chǎn)量。然而，不同品種的玉米種子在種植、收獲、運(yùn)輸和儲(chǔ)存等生長(zhǎng)發(fā)育過(guò)程中可能是混合的。如果雜交玉米種子與其他品種的玉米種子混合，就會(huì)造成產(chǎn)量損失。傳統(tǒng)玉米種子分類方法存在檢測(cè)時(shí)間長(zhǎng)、復(fù)雜度高、對(duì)種子有破壞作用等局限性。因此，亟需使用相關(guān)技術(shù)為育種者、種植者和消費(fèi)者準(zhǔn)確識(shí)別玉米品種。本文探究了高光譜成像技術(shù)與深度卷積神經(jīng)網(wǎng)絡(luò)（dcnn）相結(jié)合對(duì)四個(gè)品種的玉米種子進(jìn)行分類的可行性。
試驗(yàn)設(shè)計(jì)
浙江大學(xué)成芳教授團(tuán)隊(duì)利用江蘇雙利合譜公司的可見(jiàn)/近紅外高光譜成像系統(tǒng)gaiafield-v10e，獲取了四個(gè)不同品種的玉米種子的高光譜影像，并提取了每個(gè)品種胚乳部分的平均光譜（400 – 1000 nm）；基于平均光譜構(gòu)建了dcnn、k近鄰（knn）和支持向量機(jī)（svm）三種分類模型。dcnn結(jié)構(gòu)如圖1所示。
圖1 dcnn結(jié)構(gòu)。dcnn的主要流程（a），conv block的具體流程（b），fc block的具體流程（c）
結(jié)論
圖2 四種玉米種子的光譜。原始光譜（a）；在450.26 - 978.94 nm波長(zhǎng)范圍內(nèi)提取玉米種子roi的平均光譜（b）
對(duì)比了四個(gè)品種的平均光譜（圖2）。光譜曲線的總體趨勢(shì)非常相似，尤其是在510 -580 nm范圍內(nèi)。而jiayu538在整個(gè)光譜中表現(xiàn)出明顯高于chunhua201和qianfeng258的反射率。在4個(gè)玉米品種中，deyu977在500 nm前和850 nm后表現(xiàn)出較高的反射率。450 - 700 nm的波長(zhǎng)范圍可能與葉綠素、β-胡蘿卜素或其他與胚乳有關(guān)的成分的變化有關(guān)。短波紅外的差異可能與o-h、n-h、c-h鍵的振動(dòng)有關(guān)。這些異同的存在表明不同品種的玉米種子是可以分類的。
表1 混淆矩陣以及accuracy、sensitivity、specificity、precision
分別采用knn、svm和dcnn模型對(duì)玉米種子品種進(jìn)行分類。如表1所示，dcnn模型在accuracy、sensitivity、specificity、precision方面均獲得了好的結(jié)果，顯示了dcnn模型的優(yōu)越性。對(duì)于驗(yàn)證集，我們可以看到三個(gè)模型的驗(yàn)證集的整體結(jié)果略差于測(cè)試集。knn、svm和dcnn模型的accuracy分別為63.1%、86.9%和93.3%。驗(yàn)證集與測(cè)試集的評(píng)價(jià)指標(biāo)大小幾乎沒(méi)有區(qū)別。此外，從sensitivity、specificity、precision的值來(lái)看，數(shù)值變化不大，可見(jiàn)模型沒(méi)有出現(xiàn)過(guò)擬合現(xiàn)象，模型的穩(wěn)定性較好。
圖3 基于svm（a）和dcnn模型（b）的種子可視化分類圖（chunhua201、deyu977、jiayu538、qianfeng258的玉米種子分別以藍(lán)色、綠色、橙色和紅色進(jìn)行可視化）
為了直觀地觀察玉米種子樣本的分類結(jié)果，利用svm和dcnn模型實(shí)現(xiàn)了玉米胚乳圖像的可視化（圖5）。雖然肉眼很難判斷玉米種子樣品之間的差異，但從最終的化學(xué)圖像中可以明顯地識(shí)別出各個(gè)品種的玉米種子。可以看到，在320個(gè)測(cè)試玉米種子中，基于dcnn模型的分類圖中只有4個(gè)玉米種子被錯(cuò)分類。準(zhǔn)確率為98.75%，與上述分析結(jié)果相似。
以上研究表明了，通過(guò)結(jié)合高光譜成像技術(shù)和dcnn可實(shí)現(xiàn)玉米種子品種快速、準(zhǔn)確地區(qū)分和可視化。在未來(lái)的研究中，預(yù)計(jì)將使用更多的玉米種子品種來(lái)提高分類模型的穩(wěn)定性，并開(kāi)發(fā)出實(shí)時(shí)的玉米種子分類系統(tǒng)。
作者信息
成芳，博士，浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院教授，博士生導(dǎo)師。
主要研究方向：智能裝備、農(nóng)產(chǎn)食品加工質(zhì)量實(shí)時(shí)在線監(jiān)測(cè)自動(dòng)控制技術(shù)、顯微成像光譜信息融合分析、淀粉納米晶制備改性及應(yīng)用、種子納米增強(qiáng)等。
參考文獻(xiàn)：
zhang, j., dai, l., & cheng, f. (2020). corn seed variety classification based on hyperspectral reflectance imaging and deep convolutional neural network. journal of food measurement and characterization, 15, 484-494.