基于气相色谱-离子迁移谱和深度学习的水稻品种识别

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。