基于 LSTM-CNN 与高光谱成像技术的玉米单倍体识别
计算机视觉与模式识别
2018-05-25 v2
摘要
准确快速地识别种子品种对植物育种至关重要，可加速新产品育种并提升其质量。在我们的研究中，首次尝试基于 LSTM-CNN 算法的最优波段选择，通过深度学习与高光谱成像技术，建立从二倍体种子中高准确度识别玉米单倍体种子的模型，在确定 1367.6-1526.4nm 最优波段时准确率达 97%。以另一品种进行测试验证，在同一波段取得了 93% 的准确率。该模型采集了种子在 862.9-1704.2nm 光谱区内 256 个波段的影像。由 LSTM 发现并删除了高噪声波段区间。由 CNN 基于波段的检测确定了最优数据波段区间。用于网络训练的最优样本集仅占总样本数据的 1/5。其准确度显著高于全波段建模或任意其他波段建模。我们的研究表明，所提模型在玉米单倍体识别上具有突出效果，并可在一定程度上推广。
引用
@article{arxiv.1805.09105,
title = {Maize Haploid Identification via LSTM-CNN and Hyperspectral Imaging Technology},
author = {Xuan-Yu Wang and Wen-Xuan Liao and Dong An and Yao-Guang Wei},
journal= {arXiv preprint arXiv:1805.09105},
year = {2018}
}