《Horticulturae》:Identification of Cowpea Genotypes by Machine Learning Using Digital Images of Pods and Green Beans
编辑推荐:
豇豆(Vigna unguiculata [L.] Walp.)是一种全球重要性较高的作物。食用嫩豆荚和青豆荚可为蔬菜获取途径有限的人群提供维生素、矿物质和功能性成分。本研究的目标是利用机器学习(Machine Learning, ML)和人工智能技术,基于豆
豇豆(Vigna unguiculata [L.] Walp.)是一种全球重要性较高的作物。食用嫩豆荚和青豆荚可为蔬菜获取途径有限的人群提供维生素、矿物质和功能性成分。本研究的目标是利用机器学习(Machine Learning, ML)和人工智能技术,基于豆荚和青豆荚的图像对豇豆品系进行分类与区分。研究人员对4个豇豆农家品种基因型(Sempre Verde、Rabo de Tatu、Corujinha和Paulistinha)和9个栽培品种(BRS Novaera、BRS Olhonegro、BRS Verdejante、BRS Exuberante、BRS Pajeú、BRS Miranda、IPA 206、BRS Tapaihum和BRS Pingo de Ouro)的数字图像进行处理,使用四种深度学习架构进行特征提取(向量化):InceptionV3、SqueezeNet、VGG16和VGG19。研究评估了六种机器学习算法:K近邻(K-Nearest Neighbors, KNN)、决策树(Decision Tree)、随机森林(Random Forest, RF)、梯度提升(Gradient Boosting, GB)、支持向量机(Support Vector Machine, SVM)和多层感知器(Multi-Layer Perceptron, MLP)。MLP和SVM模型表现最佳,尤其在整合InceptionV3嵌入器时。在分类效率方面,所评估算法达到了优异的准确度,豆荚判别的分类准确率(Classification Accuracy, CA)为0.999,青豆荚为1.000。对于豆荚分类,这些模型达到了高性能指标,包括曲线下面积(Area Under the Curve, AUC)为1.000。对于青豆荚,MLP保持了较高的AUC(AUC = 1.000),且比SVM具有更好的概率校准(更低的Log-Loss)。基于数字图像和机器学习的鉴定是一种高效、非破坏性的方法,可用于豇豆基因型的形态学表征和区分,支撑高通量表型分析应用。
豇豆(Vigna unguiculata [L.] Walp.)是全球重要的粮食作物,其幼嫩豆荚和青豆富含维生素、矿物质及功能性成分,是果蔬获取受限人群的重要营养来源。传统作物品种鉴定依赖人工目视或破坏性生化分析,耗时且通量低。近年来,计算机视觉与机器学习结合成为农业种子检验和品种识别的非破坏性高效手段。本研究旨在利用机器学习技术,通过豆荚和青豆数字图像自动分类并区分13个豇豆基因型,为高通量表型鉴定提供技术支持。
研究人员于2024年3—5月在巴西帕拉伊巴州田间种植供试材料,包括4个农家品种(Sempre Verde、Rabo de Tatu、Corujinha、Paulistinha,来源于Queimadas定居点社区种子银行)和9个商业品种(BRS Novaera、BRS Olhonegro、BRS Verdejante、BRS Exuberante、BRS Pajeú、BRS Miranda、IPA 206、BRS Tapaihum、BRS Pingo de Ouro,来源于Embrapa Meio-Norte种质库)。每基因型采集25张图像,其中5张独立验证、20张训练;训练集经数据增强扩至1560张。图像在Orange Data Mining平台中由InceptionV3、SqueezeNet、VGG16、VGG19四种嵌入器进行特征向量化,再用KNN、决策树、随机森林、梯度提升、SVM和MLP分类,采用内部交叉验证调优,最终以独立验证集评估。
### 3.1 绿色豇豆豆荚的表型分析
数字图像显示豇豆豆荚在长度、厚度、弯曲度、颜色和表面纹理上存在显著形态变异。研究比较了四种嵌入器与六种分类器的组合:使用InceptionV3特征提取时,神经网络(Neural Network, NN)和SVM性能最佳,多数指标接近或达到1.000,且LogLoss较低;SqueezeNet嵌入器与NN和SVM结合同样取得接近完美的指标,且训练时间最短;VGG16和VGG19嵌入器下,NN和SVM仍占优,但计算成本较高。决策树模型在所有嵌入器下均表现最差,LogLoss最高。综合性能与计算效率,研究人员选择InceptionV3嵌入器结合神经网络作为豆荚分类模型。Wilcoxon符号秩检验表明,MLP(平均准确率98.89%)与多项式核SVM(99.58%)之间无显著差异(W = 2.000, p = 0.0625)。激活函数比较显示,ReLU配合L-BFGS-B优化器达到接近完美的指标(0.999)和最低LogLoss(0.004),且训练时间最短(28.387秒)。SVM核函数比较中,线性、多项式和RBF核均表现优异,但Sigmoid核性能明显下降。混淆矩阵显示模型整体有效,仅个别基因型(如G13)存在轻微分类分散。
### 3.2 模型验证
使用独立验证集(每基因型5张,共65张)评估豆荚分类模型。神经网络获得AUC为0.962、CA为0.923、F1为0.889;SVM表现几乎一致(AUC = 0.962,CA = 0.923,F1 = 0.891)。混淆矩阵显示,神经网络对大多数基因型高置信度正确分类,但在G1上完全失败;SVM误差分布较均匀,但在G1上也无法正确分类。总体表明模型具备良好泛化能力,但仍有改进空间。
### 3.3 绿色豇豆基因型的表型分析
青豆荚图像在大小、形状、种皮颜色和种脐特征上表现出高度多样性。对于青豆分类,神经网络在所有嵌入器(InceptionV3、SqueezeNet、VGG16、VGG19)下均达到AUC = 1.000、CA = 1.000;SqueezeNet与神经网络组合在保证完美精度的同时训练时间最短(2.105秒)、测试时间仅0.708秒。SVM在多项式核下达到CA = 1.000、LogLoss = 0.018。Wilcoxon检验显示,青豆分类中MLP(平均准确率97.88%)显著优于SVM(81.15%)(W = 0.000, p = 0.001953)。神经网络混淆矩阵显示,大多数基因型实现完美分类(120/120),仅少数基因型存在与形态相似类型的轻微混淆。
### 3.4 绿色豇豆种子的验证
验证阶段,神经网络获得AUC = 0.998、CA = 0.954、F1 = 0.954、MCC = 0.950;SVM获得AUC = 0.999、CA = 0.969、MCC = 0.967。虽然SVM全局指标略高,但其类级别误差更分散(如G11正确率仅4.2/5),而神经网络表现出更一致的类别水平预测,正确分类61.6/65个验证实例(约94.8%)。这表明神经网络在区分相似基因型时更具稳定性。
讨论部分指出,数据增强、严格的数据隔离、多角度拍摄和标准化图像采集显著提高了模型泛化能力;MLP与InceptionV3的组合在准确性和概率校准(LogLoss)之间实现了最佳平衡。SVM虽准确率高,但概率校准较差,神经网络则产生更确定且校准更优的预测。树模型因高维特征下难以区分相似表型而性能不佳。激活函数和优化器的选择对模型结果影响显著,ReLU与L-BFGS-B组合在效率和稳定性上最优。未来研究需纳入田间复杂条件图像、扩大基因型与年份范围,并探索端到端深度学习、轻量级架构、可解释人工智能(XAI)及整合基因组数据等方向。
本研究证明了将数字图像处理与机器学习模型(特别是深度特征提取)相结合,能够利用豆荚和青豆荚图像自动实现豇豆基因型分类。在受控实验室条件下,深度卷积嵌入与稳健分类器的集成取得了良好的训练和验证性能。这些结果表明,高通量数字表型分析是一种用于非破坏性基因型鉴别的有前景框架。然而,仍需在不同环境条件和变化光照下独立收获的批次进行外部验证,以充分确立该系统在商业分拣或实时田间应用中的稳健性。