基于气相色谱-离子迁移谱和深度学习的水稻品种识别
茶一 CHA1
2024-10-06 09:00
文章摘要
本文介绍了一种基于气相色谱-离子迁移谱(GC-IMS)和卷积神经网络(CNN)相结合的水稻品种识别方法。该方法通过改进的CNN结构,结合数据增强、迁移学习和注意力机制,显著提高了水稻品种的识别精度。实验结果显示,该方法对10个水稻品种的识别准确率接近96%,优于传统的主成分分析和支持向量机模型。此外,该模型在减少参数数量和计算次数的同时,保持了较高的分类精度。研究表明,GC-IMS与深度学习方法的结合在水稻品种识别方面具有显著优势。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。