文献

J-GLOBAL ID：202202279614318358   整理番号：22A0943005

ジャガイモ葉中のクロロフィル含量の検出のための深層学習支援連続ウェーブレット変換に基づくスペクトログラム【JST・京大機械翻訳】

Deep learning assisted continuous wavelet transform-based spectrogram for the detection of chlorophyll content in potato leaves

著者 (10件)： Zhao Ruomei (Key Lab of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, PR China) ,  An Lulu (Key Lab of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, PR China) ,  Tang Weijie (Key Lab of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, PR China) ,  Gao Dehua (Key Lab of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, PR China) ,  Qiao Lang (Key Laboratory of Agricultural Information Acquisition Technology, Ministry of Agriculture and Rural Affairs, China Agricultural University, Beijing 100083, China) ,  Li Minzan (Key Lab of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, PR China) ,  Li Minzan (Yantai Institute of China Agricultural University, Shandong Province 264670, China) ,  Sun Hong (Key Lab of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, PR China) ,  Sun Hong (Key Laboratory of Agricultural Information Acquisition Technology, Ministry of Agriculture and Rural Affairs, China Agricultural University, Beijing 100083, China) ,  Qiao Jinbo (Key Laboratory of Agricultural Information Acquisition Technology, Ministry of Agriculture and Rural Affairs, China Agricultural University, Beijing 100083, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 195  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 可視および近赤外分光法は,ジャガイモ作物のクロロフィル含量検出のための非破壊的方法であり,その中で,有効な特徴抽出は,圃場における精度を検出するための重要な問題である。本研究は,ジャガイモ葉におけるクロロフィル含量検出の精度を改善する包括的特徴を探索することを目的とした。深層学習アルゴリズムの連続的ウェーブレット変換(CWT)ベースのスペクトログラムと畳込みニューラルネットワーク(CNN)の支援によって,特徴抽出法を提案した。実験では,325-1075nmの範囲のスペクトルデータをフィールドで測定した。合計314のジャガイモ葉サンプルを採取して,クロロフィル含有量を4つの成長期で測定した。空間領域と時間周波数領域におけるスペクトル特性をデータ処理において考慮した。最初に,前処理法を選択するために,空間領域における一次導関数(FOD)とSavitzky-Golay平滑化(SG)の特徴を比較した。第二に,時間周波数領域において,CWTは様々なスケールと波長で一連のウェーブレット係数曲線にスペクトルデータを分解した。ウェーブレット係数のスケールと波長の両方を組み合わせると,ジャガイモ作物のクロロフィル含量の検出が有利になると考えた。したがって,スペクトログラムを1Dウェーブレット係数曲線を2Dウェーブレット係数スペクトログラムに変換することによって確立した。CNNモデルを,スペクトログラムにおける潜在的および包括的特徴を調査するために適用した。最後に,部分最小二乗法モデルを確立し,空間領域,CWTによるウェーブレット係数,およびCNNによるスペクトログラム特徴を含む3つの特徴の検出能力を比較した。モデリング性能は,FOD特性が予測セット(R_P2)における0.7856の決定係数と3.9357による予測セット(RMSEP)における根二乗平均誤差を得たことを示した。FOD特徴はSG特性よりも良好であった(R_P2=0.7734,RMSEP=4.0460);CWTによるウェーブレット係数はR_P2=0.8293とRMSEP=3.5117であった。CNNモデルによるスペクトログラム特徴を持つPLSモデルは,最良で,R_P2=0.8749とRMSEP=3.0067を達成した。それは,空間領域における特徴と比較して,スペクトルデータのより深い特徴を優先的に捉えた。本研究は,ジャガイモ作物の精密管理における葉クロロフィル含量検出のための有効な方法を提供する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *濃度 ,  *ジャガイモ ,  特徴抽出 ,  波長 ,  *クロロフィル ,  *葉 ,  モデリング ,  平滑化 ,  データ処理 ,  二次元 ,  導関数 ,  *ウェーブレット変換 ,  部分最小二乗法
準シソーラス用語： *スペクトログラム ,  ウェーブレット係数 ,  *クロロフィル含量 , 【Automatic Indexing@JST】

著者キーワード (6件)： ジャガイモ葉 ,  クロロフィル含有量検出 ,  畳込みニューラルネットワーク ,  連続ウェーブレット変換 ,  二次元スペクトログラム ,  特徴抽出

分類 (1件)： 植物の生化学  (EH01050J)

タイトルに関連する用語 (7件)： ジャガイモ ,  葉 ,  クロロフィル含量 ,  深層学習 ,  支援 ,  連続ウェーブレット変換 ,  スペクトログラム