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

编辑推荐:

   摘要

  

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。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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