| 基于拉曼光谱和深度学习的家蚕卵微粒子病无损检测 |
| |
| 引用本文： | 代芬,邢鸿昕,王先燕,冯敏,胡豆豆,孙京臣,赵懿琨,王叶元.基于拉曼光谱和深度学习的家蚕卵微粒子病无损检测[J].蚕业科学,2023(6):560-567. |
| |
| 作者姓名： | 代芬 邢鸿昕 王先燕 冯敏 胡豆豆 孙京臣 赵懿琨 王叶元 |
| |
| 作者单位： | 1. 华南农业大学电子工程学院(人工智能学院);2. 广东省蚕业技术推广中心;3. 华南农业大学动物科学学院 |
| |
| 基金项目： | 国家自然科学基金项目(61675003)；;广东省自然科学基金项目(2018A030310153)；;广州市科技计划资助项目(201707010346)； |
| |
| 摘 要： | 为研究家蚕微粒子病检测方法，基于密集连接块提出用R-DenseNet模型对家蚕微粒子病拉曼光谱进行无损检测。以患家蚕微粒子病原原母种卵为实验样本，构建家蚕微粒子病拉曼光谱数据集。R-DenseNet与其他5种分类模型的对比结果表明，不使用额外预处理的R-DenseNet的检测准确率达到97.32%,优于使用预处理的传统分类模型；对于处理60 dB强度噪声的光谱数据，R-DenseNet能达到93.66%的检测精度，在同等性能中，其模型训练的参数量较对比模型减少50%以上，表现出更好的鲁棒性和计算效率。文中提出的R-DenseNet网络结构能够对家蚕卵微粒子病拉曼光谱实现快速、准确且无损的检测，为家蚕微粒子病检测提供了一种新途径。
|
| 关 键 词： | 拉曼光谱 家蚕微粒子病 无损检测 深度学习 |
|
|
