Классификация зрелости рапса с помощью гиперспектральной визуализации и машинного обучения

Традиционные методы оценки зрелости семян рапса деструктивны. Гиперспектральная визуализация (HSI) предлагает неразрушающее решение, используя пространственные и спектральные данные.

В исследовании, опубликованном в Plant Phenomics в январе 2024 года, HSI использовали для анализа спектральных характеристик и классификации уровней зрелости рапса.

Методы обработки данных:

• Спектральные данные прошли предобработку методами:
  • Сглаживание Савицкого-Голея (SG)
  • Standard Normal Variate (SNV)
  • Detrend
  • Производные (D1st, D2nd)

Результаты анализа:

• Выявлены различные спектральные паттерны на разных стадиях зрелости в диапазоне 420-982 нм.
• Стадия полной зрелости всё больше отличалась от зелёной и жёлтой стадий, особенно после 720 нм.

Моделирование и классификация:

• Использовались алгоритмы Extreme Learning Machine (ELM) и Support Vector Machine (SVM).
• Модели на предобработанных данных превзошли модели на исходных данных.
• D2nd и комбинации вроде SG+D1st достигли точности предсказания выше 92%.
• Выбор характерных длин волн алгоритмами CARS и IVISSA-SPA выделил ключевые для классификации зрелости волны.
• Модель D2nd-IVISSA-SPA-SVM показала наивысшую точность — 97.86%.

Вывод: Интеграция технологии HSI, методов предобработки и алгоритмов машинного обучения обладает большим потенциалом для неразрушающей оценки зрелости рапса.