Discrimination of Deoxynivalenol Levels of Barley Kernels Using Hyperspectral Imaging in Tandem with Optimized Convolutional Neural Network

高光谱成像 卷积神经网络 支持向量机 人工智能 模式识别(心理学) 随机森林 计算机科学 规范化(社会学) 预处理器 数学 人类学 社会学
作者
Ke-Jun Fan,Boyuan Liu,Wen‐Hao Su
出处
期刊:Sensors [MDPI AG]
卷期号:23 (5): 2668-2668
标识
DOI:10.3390/s23052668
摘要

Deoxynivalenol (DON) in raw and processed grain poses significant risks to human and animal health. In this study, the feasibility of classifying DON levels in different genetic lines of barley kernels was evaluated using hyperspectral imaging (HSI) (382–1030 nm) in tandem with an optimized convolutional neural network (CNN). Machine learning methods including logistic regression, support vector machine, stochastic gradient descent, K nearest neighbors, random forest, and CNN were respectively used to develop the classification models. Spectral preprocessing methods including wavelet transform and max-min normalization helped to enhance the performance of different models. A simplified CNN model showed better performance than other machine learning models. Competitive adaptive reweighted sampling (CARS) in combination with successive projections algorithm (SPA) was applied to select the best set of characteristic wavelengths. Based on seven wavelengths selected, the optimized CARS-SPA-CNN model distinguished barley grains with low levels of DON (<5 mg/kg) from those with higher levels (5 mg/kg < DON ≤ 14 mg/kg) with an accuracy of 89.41%. The lower levels of DON class I (0.19 mg/kg ≤ DON ≤ 1.25 mg/kg) and class II (1.25 mg/kg < DON ≤ 5 mg/kg) were successfully distinguished based on the optimized CNN model, yielding a precision of 89.81%. The results suggest that HSI in tandem with CNN has great potential for discrimination of DON levels of barley kernels.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
汉堡包应助迷途的羔羊采纳,获得10
刚刚
碧蓝大炮完成签到,获得积分20
1秒前
1秒前
顾城浪子完成签到,获得积分10
2秒前
2秒前
科研通AI2S应助淋湿巴黎采纳,获得10
2秒前
颜鑫完成签到 ,获得积分10
2秒前
suo发布了新的文献求助10
3秒前
雨相所至完成签到,获得积分10
3秒前
碧蓝大炮发布了新的文献求助10
4秒前
科研通AI2S应助搞怪彩虹采纳,获得10
4秒前
5秒前
天天快乐应助满果妈妈采纳,获得30
5秒前
5秒前
科研通AI2S应助沉默的真相采纳,获得10
5秒前
爆米花应助乔心采纳,获得10
6秒前
6秒前
酷波er应助迷人人雄采纳,获得10
8秒前
chenpeio发布了新的文献求助10
9秒前
嗒刻发布了新的文献求助10
9秒前
宜醉宜游宜睡应助切克闹采纳,获得10
9秒前
wuzhi完成签到,获得积分10
10秒前
dada完成签到 ,获得积分10
10秒前
科研通AI2S应助Delia采纳,获得10
10秒前
打打应助lq采纳,获得10
11秒前
遥远的尧应助木槿采纳,获得10
11秒前
11秒前
12秒前
12秒前
Gauss应助科研通管家采纳,获得30
12秒前
Orange应助科研通管家采纳,获得20
12秒前
星辰大海应助科研通管家采纳,获得10
12秒前
12秒前
乐乐应助科研通管家采纳,获得30
12秒前
JamesPei应助科研通管家采纳,获得10
12秒前
12秒前
Anthocyanidin完成签到,获得积分10
12秒前
12秒前
传奇3应助科研通管家采纳,获得10
12秒前
今后应助科研通管家采纳,获得10
13秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 600
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157519
求助须知:如何正确求助?哪些是违规求助? 2808909
关于积分的说明 7879293
捐赠科研通 2467387
什么是DOI,文献DOI怎么找? 1313431
科研通“疑难数据库(出版商)”最低求助积分说明 630398
版权声明 601919