Respiratory-metabolism-guided multimodal PM-RVGNet for nondestructive single-seed vigor and germination consistency inference in Chinese cabbage
Tianyu Yang · Bo Peng · Jun Zhang 等 5 人
提出PM-RVGNet多模态网络,基于呼吸代谢指导,无损推断白菜种子活力与发芽一致性。
融合呼吸代谢与多模态成像数据,构建PM-RVGNet深度学习网络。
PM-RVGNet能有效无损预测单粒种子活力及发芽一致性。
可探索将呼吸代谢与其他生理指标结合,提升种子活力预测精度,并扩展至其他作物。
研究提出基于呼吸代谢的多模态深度学习模型,实现白菜种子活力无损检测,方法新颖,对种业智能化有参考价值。
呼吸代谢引导的多模态PM-RVGNet用于大白菜种子活力与发芽一致性的无损单粒推断。《Computers and Electronics in Agriculture》