多模态光学生物传感与3D-CNN融合技术用于研究缺水胁迫下罗勒(Basil)的生理反应表型
《Agronomy》:Multimodal Optical Biosensing and 3D-CNN Fusion for Phenotyping Physiological Responses of Basil Under Water Deficit Stress
【字体:
大
中
小
】
时间:2025年12月25日
来源:Agronomy 3.4
摘要
水分供应对罗勒(Ocimum basilicum L.)的生长和生理表现有重要影响,因此早期和精确地监测其对水分缺乏的反应对于精准灌溉至关重要。然而,传统的视觉或生化方法具有破坏性,不适合实时评估。本研究提出了一种多模态光学生物传感与3D卷积神经网络(3D-CNN)融合框架,用于表征罗勒在水分缺乏胁迫下的生理反应。通过整合RGB图像、深度信息以及叶绿素荧光(CF)图像,可以获取互补的形态学和光合作用信息。3D-CNN模型通过融合130个光学参数层,学习了与抗逆性和恢复动态相关的空间和时间-光谱特征,分类准确率达到96.9%,优于2D-CNN和传统的机器学习分类器。使用t-SNE进行特征空间可视化分析表明,模型学习到的潜在表示反映了生物学意义上的胁迫-恢复过程,而不仅仅是表面的视觉差异。这种多模态融合框架为实时、无损地监测作物水分胁迫提供了一种可扩展且易于解释的方法,为精准农业中的自适应灌溉控制和智能环境管理奠定了基础。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号