一种基于比较机器学习的方法，利用来自完整种子的可见光-近红外（VIS-NIR）光谱数据，结合多种数据转换技术和重采样方法来对羽扇豆属（Lupinus）物种进行分类

《Scientific Reports》：A comparative ML approach to classify Lupinus species using VIS-NIR spectral data from whole seeds and various data transformation techniques and resampling methods

　　

摘要

人们对羽扇豆属（Lupinus）物种的栽培和利用越来越感兴趣，这主要是由于它们的营养价值以及其在可持续农业中的潜力。然而，利用全种子光谱数据对羽扇豆属物种进行非破坏性分类的研究还相对较少。在这项研究中，比较评估了五种机器学习分类器，这些分类器利用可见光和近红外（VIS-NIR）光谱数据（包括反射率和吸收率模式）来区分七个羽扇豆属物种，这些数据来自CICYTEX种质库的官方活性种子样本。该数据集存在明显的类别不平衡问题。模型性能通过原始光谱以及四种预处理策略（包括三种混合策略）与六种重采样方法进行评估，并设置了一个不进行重采样的基准组。采用了两种验证方法：80/20的训练-测试分割和分层5折交叉验证。在两个光谱域和两种验证方案中，随机森林（Random Forest）和支持向量分类（Support Vector Classification）均表现出最佳的整体性能，F1分数超过94%，AUC、准确率和精确度值均超过97%。当应用混合预处理技术时，逻辑回归（Logistic Regression）也显示出显著的提升。交叉验证进一步证实了表现最佳模型的鲁棒性和泛化能力。这些发现支持使用VIS-NIR光谱技术与机器学习相结合的方法，作为一种快速、客观且非破坏性的框架，用于在不平衡的种质数据集中区分羽扇豆属物种。这种方法有助于分类鉴定、种质管理以及为育种计划筛选有潜力的材料，尽管仍需要在独立的环境和采集条件下进行进一步验证。