基于拉曼光谱和深度学习的家蚕卵微粒子病无损检测

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。

基于拉曼光谱的家蚕卵滞育解除无损检测

家蚕是以卵态滞育的昆虫,其滞育性与养蚕生产密切相关。以大造和9·芙×7·湘两品种的滞育和解除滞育蚕卵为样本,使用拉曼光谱仪采集各样本的光谱数据,对光谱数据使用三次样条插值(Spline)、自适应迭代惩罚最小二乘法(airPLS)等预处理操作,分别构建偏最小二乘判别分析(partial least squares discriminant analysis,PLSDA)模型和支持向量机(support vector machine,SVM)模型。结果表明,大造蚕卵PLSDA模型的准确率达0.987,AUC(area under curve)值为0.975;9·芙×7·湘蚕卵PLSDA模型准确率达0.975,AUC值为0.999;而两品种混合蚕卵的PLSDA模型准确率达0.975,AUC值为0.999。大造、9·芙×7·湘和两品种混合蚕卵的SVM模型准确率分别为0.925、0.950、0.944,AUC值分别为0.943、0.962、0.964。PLSDA建模效果略好于SVM。此外,根据拉曼峰面积大小、位置和PLSDA回归系数矩阵3种方法提取蚕卵拉曼光谱特征峰,实现对家蚕卵滞育性区分,准确率最高达0.963。综上所述,基于拉曼光谱的家蚕卵滞育解除无损检测方法具有良好的效果,为家蚕卵滞育性的快速检测提供了新途径。