近日，中科院合肥研究院智能所作物品質智能感知團隊發(fā)展了一種近紅外光譜技術方向的新算法，該算法適用于高通量鑒定作物品種的真實性。相關工作被Infrared Physics & Technology接收并在線發(fā)表。
 

　　作物品種真實性在品種保護及品種選育方面具有重要意義，傳統(tǒng)的作物品種真實性鑒定方法如DNA分子鑒定、同工酶鑒定、田間鑒定等方法存在操作復雜、檢測結果耗時、損傷樣品、污染環(huán)境、結果滯后等缺點，亟需一種快速有效的方法實現(xiàn)作物品種真實性鑒定。近紅外光譜是一種快速無損檢測技術，基于近紅外光譜儀開發(fā)的光譜采集系統(tǒng)，可實現(xiàn)高通量采集作物單籽粒光譜。近年來，由于人工智能和深度學習的快速發(fā)展，卷積神經(jīng)網(wǎng)絡(CNN)已逐漸應用于分子光譜學，相比于傳統(tǒng)的化學計量學算法，CNN在識別方面表現(xiàn)出更高的準確性和魯棒性，這為近紅外光譜技術的應用和發(fā)展提供有力支撐。
 

　　為此，研究人員提出了一種改進的CNN：InResSpectra網(wǎng)絡，用于小麥和水稻品種真實性的高通量鑒定。該網(wǎng)絡對Inception網(wǎng)絡進行改進，刪除1×1卷積分支降低模型復雜度，同時增加ResNet網(wǎng)絡的殘差元素，加速了神經(jīng)網(wǎng)絡的訓練，同時提升模型的準確率；同時，實驗中對比研究了多種分類算法，不斷優(yōu)化模型參數(shù)，提高模型預測的穩(wěn)健性。在此次研究中，研究人員將開發(fā)的系統(tǒng)應用于鑒定24個小麥品種和21個水稻品種上，分別取得95.35%和93.07%的準確率(圖1)，為近紅外鑒定作物品種真實性提供了有效方法。
 

　　李曉紅碩士和徐琢頻博士為該論文第一作者，王琦副研究員和張鵬飛副研究員為通訊作者。該工作得到國家自然科學基金、安徽省科技重大專項、以及安徽省重點研究與開發(fā)計劃等項目的支持。
 

InResSpectra網(wǎng)絡識別小麥和水稻樣本集的混淆矩陣熱力圖