.png){kind=icon}
返回
Deep learning-based seed variety classification: a case study in maize
.png){kind=icon}
OA
AI
DOI：10.1186/s12870-025-07919-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
区分玉米种子品种往往具有挑战性，因为它们在形态上相似且具有遗传多样性。传统种子识别方法通常难以兼顾准确性、速度和实用性，因此需要创新解决方案。人工智能领域的最新进展，特别是在深度学习方面，为作物品种的精确分类提供了有前景的替代方案。本研究旨在仅使用在标准光照条件下获取的RGB数字图像，对五种玉米种子基因型（KSC201、KSC260、KSC400、KSC703和KSC705）进行分类。图像分析和模型训练在Python（Colab环境）中完成。所提出的卷积神经网络（CNN）模型在所有类别中均表现出优异性能，对KSC260和KSC703实现了近乎完美的准确率、召回率和特异性。精确率-召回率分析显示，KSC705的分类几乎完美，平均精确率为0.99，而KSC201达到0.96。整体模型性能达到准确率96.67%、灵敏度96.67%、精确率96.74%和特异性99.18%。混淆矩阵的结果证实，CNN有效区分了所有五种玉米基因型，而高曲线下面积（AUC）值表明其具有近乎完美的预测能力。这些发现表明，基于CNN的图像分析方法为种子品种识别提供了一种可靠且准确的方法，其性能可与其他农业应用中的先进架构（如ConvNeXt_Tiny）相媲美。
Keyword:
Artificial intelligence
Convolutional neural network
Deep learning
Maize
Seed classification
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.8
论文数:
1.0W
被引数:
3.0W
机构
引用论文
Modified MobileNet with leaky ReLU and LSTM with balancing technique to classify the soil types改进的MobileNet模型结合了Leaky ReLU和LSTM，并采用平衡技术来对土壤类型进行分类。.png)
IF0
PREAI
分享收藏Table grapes quality assessment using hyperspectral spectral imaging and chained multi-output machine learning approach基于高光谱成像和链式多输出机器学习方法的葡萄质量评估
PREAI
分享收藏Classification of hybrid seeds using near-infrared hyperspectral imaging technology combined with deep learning近红外高光谱成像技术结合深度学习的杂交种子分类
PREAI
分享收藏A maize seed variety identification method based on improving deep residual convolutional networkOAAI
OAAI分享收藏Fan, S.; Liu, Q.; Ma, D.; Zhu, Y.; Zhang, L.; Wang, A.; Zhu, Q. Maize Seed Variety Classification Based on Hyperspectral Imaging and a CNN-LSTM Learning Framework. Agronomy 2025, 15, 1585. [Google Scholar] [CrossRef]Fan, S.; Liu, Q.; Ma, D.; Zhu, Y.; Zhang, L.; Wang, A.; Zhu, Q. 基于高光谱成像和CNN-LSTM学习框架的玉米种子品种分类。Agronomy 2025, 15, 1585. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Detection of Apple Plant Diseases Using Leaf Images Through Convolutional Neural Network基于卷积神经网络的苹果叶片图像病害检测IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容