基于田間條件下的動態高光譜成像和機器學習對於葡萄品種分類的研究

2021-01-09 電子發燒友
打開APP
基于田間條件下的動態高光譜成像和機器學習對於葡萄品種分類的研究

新機器視覺 發表於 2021-01-07 14:02:47

眾所周知，高光譜成像在數量和質量方面帶來了更豐富的數據，但是這一特性也帶來了巨大負擔：高光譜採集所蘊含的大量數據。因此，高效而智能的數據分析必不可少。 

01

葡萄品種分類是葡萄栽培和葡萄酒業的重要植物表型問題，通常是在實驗室條件下通過破壞技術，如傳統的電泳和DNA分析來完成的。

本文利用高光譜成像技術和不同的機器學習算法，提出了一種在田間條件下對大量葡萄品種進行分類的新方法。在自然光照下，使用高光譜相機以5km/h的速度安裝在All-terrain vehicle上進行動態成像。

(A)All-terrain vehicle中移動高光譜成像垂直拍攝位於西班牙拉裡奧哈(La Rioja）Logroño的葡萄園。在受太陽照射的冠層側以5km/h的速度進行光譜採集。

(B)二維高光譜圖像的構建通過push broom來進行，葡萄園頂部的垂直線信息被線掃相機獲取。因此，圖像的構圖是由該掃描線以恆定速度拖動執行。

02

我們在30個不同品種的樹冠上採集了兩個不同葉片物候階段的光譜信息。總共生成了1200個光譜樣本。

每幅m×n高光譜圖像逐列處理。對於每一列i，每個像素(光譜)與標註葉片光譜進行比較，若超過某一規定閾值，則標記為葉片像素。然後，對列i中的所有葉子像素求平均值。

03

採用支持向量機（SVM）和人工神經網絡（多層感知器，MLP）開發了大量模型，測試了不同的算法參數和光譜預處理技術。兩種分類器均獲得了極好的性能表現。

統計分析表明，支持向量機的最佳核函數是線性核，MLP的最佳激活函數是雙曲正切函數。預測 MLP單個品種的性能範圍為0.94至0.99之間，變化較小；在支持向量機的情況下，獲得的變化略高，單個品種的差異在0.83至0.97之間。

從光譜數據集(輸入)，應用各種預處理技術的不同組合，使用兩種機器學習算法建模，並通過幾個5-fold重複進行驗證。最後,評估了三種性能統計數據。

這些結果使得在田間部署一種能夠成功分類不同葡萄品種葉片的動態高光譜成像系統成為可能。因此該技術可以被認為是在田間條件下進行植物表型鑑定的一種新的有用的非破壞性工具。

本研究基於高光譜成像在田間條件下，通過機器學習展示了對多個葡萄品種進行分類的真實表現(高光譜過去多在實驗室環境和少樣本條件下)。結果表明可以將高光譜成像搭載到農用車輛上對葡萄品種進行實時分類，為植物表型和葡萄高產栽培提供極有價值的信息。

責任編輯：xj

原文標題：基于田間條件下的動態高光譜成像和機器學習對於葡萄品種分類的研究

文章出處：【微信公眾號：新機器視覺】歡迎添加關注！文章轉載請註明出處。

 

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • 高光譜成像技術在菸草行業的應用總結
    近年來，隨著高光譜遙感技術的發展，基於高光譜原理的無損傷測試技術已經逐步在農業上得到應用，目前國內外學者已經對多種作物進行了光譜反射率及化學組分的相關性研究。高光譜預測在菸草上的應用尚處於起步階段，李向陽等採用逐步回歸方法建立了K326烤菸葉片菸鹼含量的回歸方程，認為一階導數光譜回歸模型的模擬效果較好，但要達到田間實時實地檢測，還要考慮外界環境的影響［7j。
  • 高光譜成像光譜儀簡介及其應用概述
    目前，高光譜成像光譜儀在土地利用、農作物生長、分類，病蟲害檢測，海洋水色測量，城市規劃、石油勘探、地芯地貌及軍事目標識別等方面都有著很廣泛和深遠的應用前景。　　2.1.1、在農業、林業中的應用：高高光譜成像光譜儀可以用來研究品種因素對小麥品質的影響程度以及品種因素與品質指標之間的相關性，還可以得出環境條件下籽粒的白質含量與溼麵筋含量
  • 高光譜成像的傳感器和相機要求
    通過適當的組件選擇，高光譜成像技術可提供可見光範圍以外的有效圖像捕獲。高光譜成像（HSI）技術最初用於地球觀測，已擴展到各個領域，從工業分類到醫學研究，例如科學家利用該技術生成皮膚和皮下組織的資料庫。隨著圖像傳感器和照相機的改進，研究人員和開發人員正在發現越來越多的高光譜成像應用，包括食品質量控制，製藥過程控制，塑料分選和生物測量。
  • 高光譜成像檢測分類織物
    現階段，手動紡織品分揀呈現出緩慢，困難和昂貴的任務。工人通常還缺乏如何在視覺上識別混合織物中不同類型的纖維和物質的專業知識，這可能會產生不正確的分類結果。但是，通過化學結構分析確定材料類型，高光譜分析和圖像分類可能會為自動機械分類應用打開大門。
  • 多光譜成像技術在農業生產的精準管理和作業研究中應用
    打開APP 多光譜成像技術在農業生產的精準管理和作業研究中應用 佚名 發表於 2020-03-16 21:10:21 光譜成像技術將光譜分析技術和成像技術結合起來，它既能獲取樣本的光譜信息也能獲取空間信息，並且能同時獲取樣本的物理特性和化學特性。光譜圖像通常是三維(3D)的，由二維的空間信息和一維的光譜信息組成。根據波段的多少，光譜成像技術可以分為多光譜成像技術和高光譜成像技術。
  • 計算光譜成像的前沿進展簡介
    從成像的時間維度來看，高光譜成像主要存在兩種方式：（1）基於掃描的方法（多次曝光）：通過犧牲時間來掃描得到靜止的光譜圖像；（2）計算成像方法（可以實現單次曝光條件的高光譜成像）：通過計算重建調製後的光譜數據以獲取動態的高光譜視頻。
  • Videometer推出新品手持式近視距多光譜成像系統
    多光譜成像傳感器是用於監測不同環境中農作物和植被的有效工具。植物的生理學，形態學或生物化學信息可以通過非接觸的方式以及不同維度、尺度下評估。例如，利用多光譜傳感器用於植物表型分析或精準農業中的生理脅迫研究。截至目前，市面上有各種非成像和成像高光譜傳感器可供選擇，這些儀器進行測量的過程相當複雜，高光譜數據處理複雜，迫切需要波段較多的便於數據分析的手持式多光譜表型成像系統。
  • SPECIM IQ | 開創性小型手持智能型高光譜相機如何精準進行植物表...
    植物的生理學，形態學或生物化學信息可以通過非接觸的方式以及不同尺度下評估。例如，利用高光譜傳感器用於植物表型分析或精準農業中的生理脅迫研究。截至目前，市面上有各種非成像和成像高光譜傳感器可供選擇，這些儀器進行測量的過程相當複雜。因此，現代化檢測及研究中對易於用戶操作的高光譜傳感器的需求日益增加。
  • 成像光譜偏振技術
    隨著研究的深入，科研人員對成像光譜偏振儀系統提出越來越高的要求：儀器結構趨於小型輕量化；探測模式向靜態 ( 無運動部件 ) 、高靈敏度、實時探測方向發展；系統功能向寬譜段，高空間、高光譜解析度，以及圖像、光譜、偏振多維信息一體化獲取技術方向發展。近年來，提出了多種原理方案，根據不同原理方案的特點，其分類方式也多種多樣。
  • 光譜成像知多少
    光譜成像技術的分類標準多種多樣，按不同的分光方式，可以分為色散型和幹涉型等光譜成像技術。幹涉成像光譜儀在原理上具有高光譜解析度與高能量利用率等優點，能夠滿足不斷提高的應用需求，逐漸成為成像光譜技術領域的研究熱點。幹涉成像光譜儀的主要分光技術有麥可遜幹涉法、三角共光路幹涉法、雙折射幹涉法等。近年來又發展出了利用液晶可調諧濾光片獲得偏振光，進而發生幹涉的技術。除了以上的雙光束幹涉技術，還有基於多光束幹涉的分光技術。
  • 研究人員將先進的光譜技術與醫療成像相結合
    通過以高靈敏度和高速度獲取場景中每個像素的全範圍信息，該新方法可以極大地推動廣泛的科學和工業應用，例如化學分析和生物醫學傳感。 西班牙馬德裡卡洛斯三世大學的研究小組負責人佩德羅·馬丁·馬特奧斯說：「雙梳光譜技術通過提供無與倫比的光譜解析度和準確性以及較短的採集時間而無需移動部件，徹底改變了光譜學。」
  • 淺談高光譜成像技術在世界名畫賞析領域的應用
    高光譜圖像是將成像技術和光譜技術相結合的多維信息檢測技術，它能夠同時探測目標的二維幾何空間與一維光譜信息，獲取高光譜解析度的連續、窄波段的圖像數據。我們可以根據獲得的高光譜數據，分析得到具有診斷性意義的物質光譜特徵，建立代表物質特性的「指紋光譜」（每種物質都有的自己獨特的光譜特徵），接著便可以針對高光譜圖像中每個像元的光譜反射率曲線，基於光譜匹配與特徵分析，利用光譜信息直接識別目標物質。
  • 多光譜與高光譜成像技術的區別
    多光譜、高光譜甚至是超光譜首先是應用於衛星的遙感，遙感技術已經成為人類獲得地球以及其他星球信息重要的手段之一。利用遙感成像系統得到的地球資源信息已成為人類開發、合理的利用、管理和監測地球資源及環境不可缺少的基本手段，在農業、地質、森林、水利、土壤、海洋、環境、大氣研究等領域發揮了巨大的作用。
  • 光譜成像:光譜學的未來?
    但是，組織灌注存在很大的異質性，因此灌注成像技術的發展使人們能夠更好地了解微血管流量和氧合的分布，光譜學也是如此。在許多情況下，單點光譜儀測量可提供很有價值的數據。但是，新的光譜成像技術正在增進我們的理解並帶來新的見解。最初開發用於提供衛星和飛機光譜圖像的高光譜成像儀現在也越來越多地用於醫學研究、機器視覺、食品科學、材料分析以及農業和礦物學等領域。
  • Imec即將震撼展示首款短波紅外(SWIR)波段高光譜成像相機
    這款相機集成了基於CMOS的光譜濾波器和基於InGaAs的成像器，因此結合了CMOS技術的小巧和低成本以及InGaAs的光譜範圍。 過去5年來，由Imec設計並製造的CMOS半導體高光譜圖像濾波器，已經以單片集成的方式應用於矽基CMOS圖像傳感器，其感光範圍為400~1000nm波段的可見光和近紅外光（VNIR）。
  • 高光譜遙感就是「火眼金睛」
    當前，農業生產管理存在作物營養和病蟲害等農情信息大面積監測不及時、監測水平以定性為主、監測精度無法實現定量的精準變量肥水藥管理等難題。高光譜遙感技術可以對任何一種農作物的品種、類型、種植面積等情況進行調查，甚至可以對農作物的葉綠素、氮磷鉀含量進行分析，為相關決策提供科學依據。中國科學院遙感與數字地球研究所黃文江帶領的植被定量遙感研究團隊，開展的即是這一工作。
  • 基於成像高光譜數據的溫室水稻重金屬脅迫診斷研究
    是否可能以及如何從高光譜影像上有效地診斷出具體的汙染類別，實現大面積監測，近年來成為研究熱點。圖3 基於BP神經網絡二階微分處理無、低、中、高Cd脅迫診斷結果單一的均值歸一化和標準化處理，沒有篩選出可以區分Cd和Pb脅迫的特徵波段，說明單一的均值歸一化和標準化處理不能很好地提取不同脅迫的光譜信息，達不到有效診斷的效果。
  • 高光譜成像光譜儀鏡頭的選擇和鏡頭參數計算
    鏡頭是高光譜成像光譜儀的關鍵設備，它的質量(指標)優劣直接影響高光譜成像光譜儀的整機指標，因此，鏡頭的選擇是否恰當關係到高光譜成像光譜儀整機的質量。　　1、鏡頭的分類　　(1) 以鏡頭安裝分類　　所有的高光譜成像光譜儀鏡頭均是螺紋口的，CCD高光譜成像光譜儀的鏡頭安裝有兩種工業標準，即C安裝座和CS安裝座。
  • 高光譜成像等技術納入「地球觀測與導航」重大專項申報指南
    本項目涉及技術包含「關鍵技術攻關類」、「關鍵技術攻關類與應用示範類」、「基礎前沿類」、「重大共性關鍵技術類」等幾大類，列入關鍵技術攻關類的有：靜止軌道高解析度輕型成像相機系統技術、靜止軌道全譜段高光譜探測技術、大氣輻射超光譜探測技術、超敏捷動中成像集成驗證技術、基於分布式可重構航天遙感技術、面向遙感應用的微納衛星平臺載荷一體化技術。
  • 基於功能磁共振和機器學習的疼痛神經標誌研究進展
    本文總結了在研究對象處於不同疼痛狀態下（如傷害性刺激誘發的急性疼痛、臨床慢性疼痛等），基於fMRI和機器學習檢測到的fMRI-NPS，及不同ML模型在疼痛預測實驗的性能研究進展，並指出了fMRI-NPS在臨床研究如疼痛的神經病理學機制研究、藥物療效評估等方面的意義。