Resumen

En este estudio se seleccionaron semillas de berenjena de quince variedades diferentes para realizar análisis discriminantes con una técnica de imágenes multiespectrales. Se extrajeron 78 características adquiridas con las imágenes multiespectrales de semillas de berenjena individuales, que se clasificaron después mediante SVM y una red neuronal convolucional unidimensional (1D-CNN), y la precisión global fue del 90,12 y 94,80%, respectivamente. También se adoptó una red neuronal convolucional bidimensional (2D-CNN) para la discriminación de las variedades de semillas, y se alcanzó una precisión del 90,67%. Este estudio no sólo demostró que las imágenes multiespectrales combinadas con técnicas de aprendizaje automático podían utilizarse como herramienta de alto rendimiento y no destructiva para discriminar variedades de semillas, sino que también reveló que la forma de la cáscara de la semilla puede no ser exactamente igual a la de las hembras progenitoras debido a factores genéticos y medioambientales.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:red neuronal convolucional dimensional, variedades de semillas, semillas individuales de berenjena, técnica de imagen multiespectral, cnn, estudio, distintas variedades, análisis discriminantes, semillas de berenjena, factores ambientales
• Keywords:dimensional convolutional neural network, seed varieties, individual eggplant seeds, multispectral imaging technique, cnn, study, different varieties, discriminant analyses, eggplant seeds, environmental factors