科研产出
基于卷积神经网络的花生种皮颜色分类及花青素含量测定
《植物生理学报 》 2025 北大核心 CSCD
摘要：花生是我国重要的油料和经济作物,随着花生产业发展的多元化,特色鲜食花生成为产业发展的重要方向。为建立彩色花生种皮颜色智能识别技术和探究花生种皮颜色差异形成的影响因素以满足产业发展需求,本研究采用VGG16预训练模型对花生种皮颜色进行迁移学习,改进的VGG16模型对花生颜色图像的训练准确率达95%,验证准确率达97%,且模型对1 429张新图像的分类测试准确性均在99%以上,准确率较高。对6个不同颜色花生品种的种皮花青素进行测定后发现, 6个品种均未检测到天竺葵素的存在,白色和黑色花生主要含矢车菊素,彩色和粉色花生主要含矢车菊素和锦葵素,紫色花生S3～S6时期主要含矢车菊素, S7～S8时期主要含锦葵素、矮牵牛素和芍药素,红色花生在S5时期开始积累色素,主要含矢车菊素、矮牵牛素和锦葵素等。矢车菊素在6个品种中的含量均较高且积累速率和总花青素基本保持一致,表明花生种皮颜色主要受矢车菊素的影响。
关键词： 花生 种皮颜色 深度学习 VGG16模型 花青素 积累规律
全文链接
请求原文
基于深度学习的鲜食葡萄叶片品种识别研究
《果树学报 》 2025 北大核心 CSCD
摘要：【目的】建立基于深度学习的鲜食葡萄叶片品种识别模型，为中国鲜食葡萄品种的保护、开发和系统分类工作奠定科学基础，并为其他农作物品种的鉴别工作提供借鉴。【方法】聚焦于68个常见鲜食葡萄成熟叶片的图像分析，通过图像采集技术，构建一个包含29 713张图像的鲜食葡萄叶片数据集。采用4种先进的卷积神经网络模型——GoogleNet、ResNet-50、ResNet-101和VGG-16对这些图像进行深入的自动识别研究。【结果】在所有测试的网络模型中ResNet-101表现最为出色，其在最佳参数配置下达到了97.99%的分类精度。在对68个葡萄品种的叶片图像进行检测时，对23个品种的预测准确率达到了100%，对整体的平均预测准确率则为94.90%。此外，对18个品种的召回率也达到了100%，对整体的平均召回率为94.19%。采用Grad-CAM技术分析的结果显示，所有模型都能精确地识别叶片的关键特征，叶片的表面纹理、叶脉和叶缘部分在品种识别过程中起到了至关重要的作用。【结论】深度学习网络模型可以很好地对鲜食葡萄进行自动实时识别。
全文链接
请求原文
首页上一页1下一页尾页
