视频号
视频号
抖音号
抖音号
哔哩哔哩号
哔哩哔哩号
app
前沿资讯手机看

我要投稿

投稿请发送邮件至:weidy@instrument.com.cn

邮件标题请备注:投稿

联系电话:010-51654077-8129

二维码

我要投稿

投稿请发送邮件至:weidy@instrument.com.cn

邮件标题请备注:投稿

联系电话:010-51654077-8129

科学岛团队发展一种近红外光谱新算法鉴定作物品种真实性

分享到微信朋友圈

打开微信,点击底部的“发现”,

使用“扫一扫”即可将网页分享到朋友圈。

分享: 2022/06/29 17:31:52
导读: 近红外光谱是一种快速无损检测技术,基于近红外光谱仪开发的光谱采集系统,可实现高通量采集作物单籽粒光谱。

       近日,中科院合肥研究院智能所作物品质智能感知团队发展了一种近红外光谱技术方向的新算法,该算法适用于高通量鉴定作物品种的真实性。相关工作被Infrared Physics & Technology接收并在线发表。
 
  作物品种真实性在品种保护及品种选育方面具有重要意义,传统的作物品种真实性鉴定方法如DNA分子鉴定、同工酶鉴定、田间鉴定等方法存在操作复杂、检测结果耗时、损伤样品、污染环境、结果滞后等缺点,亟需一种快速有效的方法实现作物品种真实性鉴定。近红外光谱是一种快速无损检测技术,基于近红外光谱仪开发的光谱采集系统,可实现高通量采集作物单籽粒光谱。近年来,由于人工智能和深度学习的快速发展,卷积神经网络(CNN)已逐渐应用于分子光谱学,相比于传统的化学计量学算法,CNN在识别方面表现出更高的准确性和鲁棒性,这为近红外光谱技术的应用和发展提供有力支撑。
 
  为此,研究人员提出了一种改进的CNN:InResSpectra网络,用于小麦和水稻品种真实性的高通量鉴定。该网络对Inception网络进行改进,删除1×1卷积分支降低模型复杂度,同时增加ResNet网络的残差元素,加速了神经网络的训练,同时提升模型的准确率;同时,实验中对比研究了多种分类算法,不断优化模型参数,提高模型预测的稳健性。在此次研究中,研究人员将开发的系统应用于鉴定24个小麦品种和21个水稻品种上,分别取得95.35%和93.07%的准确率(图1),为近红外鉴定作物品种真实性提供了有效方法。
 
  李晓红硕士和徐琢频博士为该论文第一作者,王琦副研究员和张鹏飞副研究员为通讯作者。该工作得到国家自然科学基金、安徽省科技重大专项、以及安徽省重点研究与开发计划等项目的支持。

3.png

InResSpectra网络识别小麦和水稻样本集的混淆矩阵热力图

[来源:合肥物质科学研究院]

用户头像

作者:情绪波动

总阅读量 69w+ 查看ta的文章

网友评论  0
为您推荐 精选资讯 最新资讯 新闻专题 更多推荐

版权与免责声明:

① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。

② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。

③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。

使用积分打赏TA的文章

到积分加油站,赚取更多积分

谢谢您的赞赏,您的鼓励是我前进的动力~

打赏失败了~

评论成功+4积分

评论成功,积分获取达到限制

收藏成功
取消收藏成功
点赞成功
取消点赞成功

投票成功~

投票失败了~