利用高光谱成像技术与迁移学习识别单倍体玉米种子
计算机视觉与模式识别
2018-05-31 v1
摘要
在玉米育种过程中正确识别玉米种子品种极为重要。本文采用深度学习方法中的迁移学习，结合高光谱成像技术建立模型。该模型可从大量二倍体玉米种子中高精度识别单倍体种子。首先利用高光谱成像技术采集玉米种子在各波段的信息，然后在由大规模计算机视觉数据库（ImageNet）预训练的 VGG-19 网络上构建识别模型。利用含 256 个波段（862.5-1704.2nm）种子光谱图像的模型正确识别率达 96.32%，利用单波段种子光谱图像的模型正确识别率达 95.75%。实验结果表明，由可见光图像数据库预训练的 CNN 模型可应用于基于近红外高光谱成像的玉米种子识别，并能达到高识别准确率。同时，当数据样本量较小时，利用迁移学习仍可实现高识别率。该模型不仅满足育种识别要求，还大幅降低了样本采集产生的成本。
引用
@article{arxiv.1805.11784,
title = {Hyperspectral Imaging Technology and Transfer Learning Utilized in Identification Haploid Maize Seeds},
author = {Wen-Xuan Liao and Xuan-Yu Wang and Dong An and Yao-Guang Wei},
journal= {arXiv preprint arXiv:1805.11784},
year = {2018}
}