Применение видеоспектрометрии и машинного обучения для оценки чистоты семенного материала

Настоящая работа посвящена разработке методики выделения примесных семян-засорителей по спектральным изображениям с помощью нейронных сетей. Эта методика отличается возможностью проведения анализа вороха семян, дифференциации близких по спектральным и морфологическим характеристикам зерен, а также оптимизацией основных этапов формирования обучающей выборки нейросетевой модели, регистрации и обработки данных. Предложена архитектура нейросетевой модели на основе последовательно идущих LSTM-ячеек и полносвязных слоев нейронов, а также подходы к выбору размера обучающей выборки, количества и положения центральных длин волн каналов видеоспектрометра, используемых в анализе, и способа сегментации спектральных изображений для формирования обучающей выборки. Разработанная методика отличается возможностью проведения анализа вороха зерна и простотой пополнения базы различаемых культур и примесей. Апробация методики на зернах пшеницы и ячменя показала высокую точность классификации (свыше 99 %) даже близких по спектральным и морфологическим признакам зерен. Предложенный подход повышает точность, производительность и объективность оценки чистоты семенного материала, не требует привлечения опытного персонала и потому будет способствовать ускорению внедрения видеоспектрометров для решения исследовательских и производственных задач агропромышленного комплекса.