
-
生物通官微
陪你抓住生命科技
跳动的脉搏
边缘计算与RGB表型分析技术助力基于机器学习的薄荷盐度监测
《Plant Growth Regulation》:Edge computing and rgb phenotyping enables machine learning?driven salinity monitoring in peppermint
【字体: 大 中 小 】 时间:2026年07月28日 来源:Plant Growth Regulation 4.0
编辑推荐:
摘要盐分胁迫会严重限制作物产量,因此迫切需要快速、可扩展且无损的诊断工具,以便与智能农业系统相结合。本研究提出了一种集成的表型分析框架,该框架结合了RGB成像、机器学习以及边缘计算功能的无线传感器网络,用于准确检测薄荷在0 mM、100 mM和200 mM NaCl浓度下的三种盐
盐分胁迫会严重限制作物产量,因此迫切需要快速、可扩展且无损的诊断工具,以便与智能农业系统相结合。本研究提出了一种集成的表型分析框架,该框架结合了RGB成像、机器学习以及边缘计算功能的无线传感器网络,用于准确检测薄荷在0 mM、100 mM和200 mM NaCl浓度下的三种盐分胁迫程度。在10天内每天采集植物的侧视图和正视图图像,并对其进行有效的颜色空间分割,随后采用两种互补的特征提取方法,即基于RGB的颜色信息和基于直方图的颜色信息,同时为这两种特征集计算植被指数并结合形态学描述符。在评估机器学习模型时,重点考虑了其预测精度、计算效率以及在资源受限设备上的应用可行性。结果表明,正视图图像的特征表现更为优异,仅使用两个特征即可通过Fine KNN模型实现高达98.30%的分类精度。在特定的紧凑型特征-模型配置下,内存占用仅为0.010 MB的宽神经网络在独立测试集上实现了近乎完美的100%分类精度,且验证集与测试集之间的性能差距极小,这表明在该实验条件下模型表现稳定,不存在明显的过拟合现象。基于直方图的特征分析在紧凑型7.08 MB的模型下,正视图配置下的分类精度可达85.26%。SHAP可解释性分析显示,盐分胁迫的典型特征表现为植被绿色度下降、色调变化增加以及冠层收缩,这些可能反映了叶绿素降解和生长受阻的情况。本研究证明,基于RGB的边缘计算技术是一种实用且具有生物学意义的解决方案,可用于智能农业中的盐分胁迫监测。
盐分胁迫会严重限制作物产量,因此迫切需要快速、可扩展且无损的诊断工具,以便与智能农业系统相结合。本研究提出了一种集成的表型分析框架,该框架结合了RGB成像、机器学习以及边缘计算功能的无线传感器网络,用于准确检测薄荷在0 mM、100 mM和200 mM NaCl浓度下的三种盐分胁迫程度。在10天内每天采集植物的侧视图和正视图图像,并对其进行有效的颜色空间分割,随后采用两种互补的特征提取方法,即基于RGB的颜色信息和基于直方图的颜色信息,同时为这两种特征集计算植被指数并结合形态学描述符。在评估机器学习模型时,重点考虑了其预测精度、计算效率以及在资源受限设备上的应用可行性。结果表明,正视图图像的特征表现更为优异,仅使用两个特征即可通过Fine KNN模型实现高达98.30%的分类精度。在特定的紧凑型特征-模型配置下,内存占用仅为0.010 MB的宽神经网络在独立测试集上实现了近乎完美的100%分类精度,且验证集与测试集之间的性能差距极小,这表明在该实验条件下模型表现稳定,不存在明显的过拟合现象。基于直方图的特征分析在紧凑型7.08 MB的模型下,正视图配置下的分类精度可达85.26%。SHAP可解释性分析显示,盐分胁迫的典型特征表现为植被绿色度下降、色调变化增加以及冠层收缩,这些可能反映了叶绿素降解和生长受阻的情况。本研究证明,基于RGB的边缘计算技术是一种实用且具有生物学意义的解决方案,可用于智能农业中的盐分胁迫监测。