Investigadores de los Institutos de Ciencias Físicas de Hefei (HFIPS) de la Academia de Ciencias de China han desarrollado un nuevo algoritmo para la espectroscopia de infrarrojo cercano (NIRS) que es adecuado para la identificación de alto rendimiento de la autenticidad de las variedades de cultivos. Los resultados se publicaron en Infrared Physics & Technology .
por Zhang Nannan, Academia China de Ciencias
La autenticidad de las variedades de cultivos es de gran importancia en la protección de variedades y el mejoramiento de semillas. Los métodos tradicionales para la identificación auténtica de variedades de cultivos, como la identificación molecular de ADN, la identificación de isoenzimas y la identificación de campo, tienen las desventajas de operaciones complicadas, procesos lentos, daño a la muestra, contaminación ambiental y resultados de detección retrasados. Por lo tanto, se necesita con urgencia un método eficaz.
Como tecnología de detección rápida, NIRS es ecológica, altamente sensible y no destructiva.
En este estudio, el instrumento de clasificación de calidad de semillas de alto rendimiento y desarrollo propio basado en NIRS ha logrado la rápida identificación y clasificación de semillas individuales.
Con base en este instrumento, los investigadores propusieron una red neuronal de convolución mejorada, la red InResSpectra, para ayudar a lograr una identificación más precisa de variedades de semillas . Esta red inicial optimizada eliminó la rama de convolución 1 × 1 para reducir la complejidad del modelo y aumentó el elemento residual de la red ResNet, lo que aceleró el entrenamiento de la red neuronal y mejoró la precisión.
Los investigadores aplicaron el sistema desarrollado y la red InResSpectra para la identificación de 24 variedades de trigo y 21 variedades de arroz y lograron una precisión del 95,35 % y el 93,07 %, respectivamente, lo que proporciona un método eficaz para la identificación espectroscópica de la autenticidad de las variedades de cultivos.
Más información: Xiaohong Li et al, Investigación sobre el método de identificación de autenticidad de cultivos de alto rendimiento basado en la espectroscopia de infrarrojo cercano y el modelo InResSpectra,
Infrared Physics & Technology (2022). DOI: 10.1016/j.infrarrojos.2022.104235
