通过叶片成像和深度卷积神经网络自动识别葡萄品种:使用伊朗主要品种的概念验证研究

来源: 时间:2021-10-29 09:49:30 浏览次数:

改进后的深度学习模型能够识别不同的葡萄品种,平均分类正确率在99%以上。该模型提供了一种快速、低成本、高通量的葡萄品种鉴定方法。所获得的工具的目的不是取代而是补充测井图谱和数量遗传学,从而辅助品种鉴定服务。

绵延数千年的葡萄种植包括数千个品种。品种(栽培品种)鉴定传统上是用安培法进行的,需要专家沿着果树的生长周期反复观察。对于实时评估,分子遗传学已经成功地完成了,尽管在许多情况下,它们受到缺乏可参考数据或成本因素的限制。


图片

代表典型的叶片图像下六个葡萄品种的研究。


作者提出了一种利用可见光(400~700 nm)叶片图像进行葡萄品种自动识别的卷积神经网络(CNN)框架,VGG16架构由全局平均池层、致密层、批归一化层和丢失层进行了修改。该模型可以区分不同葡萄品种错综复杂的视觉特征,并根据这些特征进行识别。为了评估CNN模型的不确定性和预测效率,进行了五次交叉验证。


图片

VGG16-based模型的性能和三个致密层(包括512、512和256个神经元)训练和验证数据集每五倍。


改进后的深度学习模型能够识别不同的葡萄品种,平均分类正确率在99%以上。该模型提供了一种快速、低成本、高通量的葡萄品种鉴定方法。所获得的工具的目的不是取代而是补充测井图谱和数量遗传学,从而辅助品种鉴定服务。

来源:MDPI.Automated Grapevine Cultivar Identification via Leaf Imaging and Deep Convolutional Neural Networks: A Proof-of-Concept Study Employing Primary Iranian Varieties.by Amin Nasiri ,Amin Taheri-Garavand ,Dimitrios Fanourakis ,Yu-Dong Zhang andNikolaos Nikoloudakis

https://www.mdpi.com/2223-7747/10/8/1628