DOI: https://doi.org/10.1371/journal.pone.0338928
PMID: https://pubmed.ncbi.nlm.nih.gov/41490194
تاريخ النشر: 2026-01-05
المؤلف: Shaozhong Song وآخرون
الموضوع الرئيسي: الطيفية والتحليلات الكيميائية
نظرة عامة
تتناول هذه الدراسة الحاجة الملحة لتصنيف دقيق لبذور الفاصوليا mung لتحسين قيمتها الغذائية وعوائد المحاصيل، مع تسليط الضوء على قيود الأساليب الحالية بسبب عدم كفاءة الوقت ونقص ميزات مجموعة البيانات المتنوعة. لتعزيز دقة التصنيف، تقدم البحث نموذج تعلم تجميعي يتضمن ميزات متعددة الأنماط، حيث يدمج بشكل خاص 59 ميزة رئيسية مستمدة من 700 ميزة طيف رامان و43 ميزة صورة عددية. تستخدم الدراسة طريقة أخذ العينات التكيفية التنافسية المعاد وزنها (CARS) لاستخراج الميزات وتستخدم خوارزمية تحسين قطيع الكريل (KOA) لتحسين المعلمات لنماذج المتعلم الأساسية، مما يحسن بشكل كبير أداء التصنيف.
تشير النتائج التجريبية إلى أن نموذج التعلم التجميعي RF-stacking، الذي يتضمن متعلمين أساسيين مختلفين (KOA-DT، KOA-SVM، KOA-KNN، KOA-MLP، KOA-RF، وKOA-GBDT) مع غابة عشوائية (RF) كمتعلمين ميتا، يحقق مقاييس أداء متفوقة، بما في ذلك الدقة (0.9071)، والدقة (0.9145)، والاسترجاع (0.9074)، ودرجة F1 (0.9077)، ومتوسط AUC (0.9886). هذا يؤكد فعالية الطريقة في تصنيف بذور الفاصوليا mung بسرعة ودقة وبدون تدمير. تشمل اتجاهات البحث المستقبلية تطوير نماذج تعلم عميقة خفيفة الوزن لتعلم الميزات بكفاءة، وإنشاء إطار عمل عالمي لدمج أنماط البيانات المتنوعة، وتطبيق النموذج على محاصيل مختلفة من خلال تقنيات التعلم الانتقالي.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الأهمية التاريخية والزراعية لزراعة الفاصوليا mung، مع التأكيد على الدور الحاسم للبذور عالية الجودة في تحديد العائدات والملفات الغذائية. أثبتت الأساليب التقليدية لتحديد أنواع البذور، التي تعتمد بشكل أساسي على الخصائص الشكلية، أنها غير فعالة، مما أدى إلى اعتماد تقنيات بصمة الحمض النووي، التي، على الرغم من كونها أكثر فعالية، تتطلب مرافق متخصصة وتعرض البذور لخطر التلف. بالمقابل، توفر مطيافية رامان بديلاً سريعًا وغير مدمر لتحليل خصائص البذور، على الرغم من أنها محدودة في تقييم الخصائص الشكلية.
لتحسين دقة تصنيف بذور الفاصوليا mung، تقترح الدراسة نهجًا مزدوج الاستراتيجية يدمج مجموعات بيانات متعددة الأنماط تجمع بين الميزات الطيفية والصورية مع نماذج التعلم التجميعي المتقدمة. يهدف هذا النهج إلى التغلب على التحديات الحالية في استخراج الميزات وتحسين النموذج. تشمل المساهمات الرئيسية تطوير مجموعة بيانات متعددة الأنماط تستخدم ميزات الطيف رامان وميزات الصورة العددية للتحليل الشامل، وتطبيق خوارزمية تحسين كبلر لضبط المعلمات الفائقة، وتنفيذ استراتيجية تحسين مشتركة لاختيار المتعلم الميتا في النموذج التجميعي. تسعى هذه المنهجية المبتكرة إلى تحسين دقة التصنيف في ظل التشابه الشكلي العالي بين أنواع الفاصوليا mung.
طرق
تتم هيكلة عملية تصنيف بذور الفاصوليا mung إلى ست مراحل رئيسية. في البداية، يتم فحص عينات البذور الأصلية. بعد ذلك، يتم الحصول على ميزات الطيف رامان ومعلومات الصورة وتخضع لعمليات المعالجة المسبقة. في المرحلة الثالثة، يتم استخراج الميزات من كل من الأطياف رامان وبيانات الصورة. يتبع ذلك دمج مبكر للميزات البارزة لإنشاء مجموعة بيانات متعددة الأنماط. تتضمن المرحلة الخامسة إدخال هذه المجموعة في نموذج تعلم تجميعي. أخيرًا، يتم إنتاج نتائج التصنيف، ويتم إجراء تحليل شامل للبيانات. يهدف هذا النهج المنهجي إلى تعزيز دقة وموثوقية تصنيف البذور.
النتائج
تستعرض قسم النتائج تنفيذ وفعالية نموذج التعلم التجميعي الذي يتضمن طبقتين: المتعلمين الأساسيين ومتعلماً ميتا. يدمج هذا النموذج التنبؤات من مختلف المتعلمين الأساسيين، الذين تم تحسينهم باستخدام خوارزمية تحسين قطيع الكريل (KOA) لستة نماذج تصنيف: آلة الدعم الناقل (SVM)، شجرة القرار (DT)، الجيران الأقرب (KNN)، الغابة العشوائية (RF)، الشبكة العصبية متعددة الطبقات (MLP)، وشجرة القرار المعززة بالتدرج (GBDT). يسمح الطابع التكميلي لهذه النماذج للتجميع بالتقاط خصائص البيانات المتنوعة، مما يعزز دقة التنبؤ وقدرات التعميم.
اختيار المتعلمين الأساسيين ذوي الأداء العالي ومتعلماً ميتا فعال هو أمر حاسم لنجاح النموذج. تستخدم الورقة نهج تحسين تركيبي لتحديد المتعلم الميتا الأكثر ملاءمة، مما يؤدي إلى بناء نموذج التعلم التجميعي. يظهر هذا النهج انخفاضًا كبيرًا في أخطاء التنبؤ، مما يبرز مزايا الاستفادة من نماذج متعددة لتحسين نتائج التصنيف.
المناقشة
في هذه الدراسة، تم إجراء تحليل شامل لتصنيف بذور الفاصوليا mung باستخدام مجموعة بيانات متعددة الأنماط مستمدة من ميزات الطيف رامان وميزات الصورة العددية. تتكون مجموعة البيانات من سبع أنواع من الفاصوليا mung، مع جمع 700 عينة وتحليلها باستخدام نظام مطيافية رامان التداخلي القريب من الأشعة تحت الحمراء Hooke D100. استخدمت عملية استخراج الميزات طريقة أخذ العينات التكيفية التنافسية المعاد وزنها (CARS) لتحديد الميزات الأكثر صلة، مما أدى إلى تقليص كبير من مجموعة الميزات الأصلية إلى 44 ميزة رئيسية تمثل بشكل فعال التركيب الكيميائي الحيوي للبذور. أدى دمج هذه الميزات مع بيانات الصورة إلى مجموعة بيانات متعددة الأنماط حسنت دقة التصنيف، حيث حققت دقة قصوى بلغت 76.43% باستخدام نموذج شجرة القرار.
علاوة على ذلك، استخدمت الدراسة نموذج التعلم التجميعي، مع تحسين المتعلمين الأساسيين باستخدام خوارزمية تحسين كبلر (KOA) لتعزيز الأداء التنبؤي. برز نموذج الغابة العشوائية (RF) كالأكثر فعالية، حيث حقق دقة بلغت 90.71%، متفوقًا على النماذج الأخرى في الدقة والاسترجاع ودرجة F1. تؤكد النتائج فعالية دمج مصادر بيانات متنوعة وتقنيات التعلم الآلي المتقدمة، مما يظهر أن نموذج التعلم التجميعي يعزز بشكل كبير أداء التصنيف مقارنة بالأساليب التقليدية. لا يحسن هذا النهج الدقة فحسب، بل يلتقط أيضًا التفاعلات المعقدة داخل البيانات، مما يوفر إطار عمل قوي للتطبيقات المستقبلية في تصنيف البذور والحقول ذات الصلة.
DOI: https://doi.org/10.1371/journal.pone.0338928
PMID: https://pubmed.ncbi.nlm.nih.gov/41490194
Publication Date: 2026-01-05
Author(s): Shaozhong Song et al.
Primary Topic: Spectroscopy and Chemometric Analyses
Overview
This study addresses the critical need for accurate classification of mung bean seeds to improve their nutritional value and crop yields, highlighting the limitations of existing methods due to time inefficiencies and a lack of diverse dataset features. To enhance classification accuracy, the research introduces a stacking ensemble learning model that leverages multimodal features, specifically integrating 59 key features derived from 700 Raman spectral features and 43 numerical image features. The study employs the Competitive Adaptive Reweighted Sampling (CARS) method for feature extraction and utilizes the Krill Herd Optimization Algorithm (KOA) to optimize parameters for the base learner models, significantly improving classification performance.
The experimental results indicate that the RF-stacking ensemble learning model, which incorporates various base learners (KOA-DT, KOA-SVM, KOA-KNN, KOA-MLP, KOA-RF, and KOA-GBDT) with Random Forest (RF) as the meta-learner, achieves superior performance metrics, including accuracy (0.9071), precision (0.9145), recall (0.9074), F1-score (0.9077), and average AUC (0.9886). This confirms the method’s effectiveness for rapid, accurate, and non-destructive mung bean seed classification. Future research directions include the development of lightweight deep learning models for efficient feature learning, the creation of a universal framework for integrating diverse data modalities, and the application of the model to various crops through transfer learning techniques.
Introduction
The introduction of the research paper highlights the historical significance and agricultural importance of mung bean cultivation, emphasizing the critical role of high-quality seeds in determining yield and nutritional profiles. Traditional methods for seed variety identification, primarily based on morphological traits, have proven inefficient, leading to the adoption of DNA fingerprinting techniques, which, while more effective, require specialized facilities and risk damaging the seeds. In contrast, Raman spectroscopy offers a rapid and non-destructive alternative for analyzing seed characteristics, although it is limited in assessing morphological traits.
To enhance the accuracy of mung bean seed classification, the study proposes a dual-strategy approach that integrates multimodal datasets combining spectral and image features with advanced stacking ensemble learning models. This approach aims to overcome existing challenges in feature extraction and model optimization. Key contributions include the development of a multimodal dataset that utilizes Raman spectral and image numerical features for comprehensive analysis, the application of the Kepler optimization algorithm for hyperparameter tuning, and the implementation of a combined optimization strategy for selecting the meta-learner in the ensemble model. This innovative methodology seeks to improve classification accuracy amidst the high morphological similarity among mung bean varieties.
Methods
The classification process for mung bean seeds is structured into six key stages. Initially, original seed samples are screened. Subsequently, Raman spectral features and image information are acquired and subjected to preprocessing. In the third stage, features are extracted from both the Raman spectra and image data. This is followed by early fusion of the salient features to create a multimodal dataset. The fifth stage involves inputting this dataset into a stacking ensemble learning model. Finally, the classification results are generated, and a comprehensive data analysis is performed. This systematic approach aims to enhance the accuracy and reliability of seed classification.
Results
The results section outlines the implementation and effectiveness of a stacking ensemble learning model that incorporates two layers: base learners and a meta-learner. This model integrates the predictions from various base learners, which are optimized using the Krill Herd Optimization Algorithm (KOA) for six classification models: Support Vector Machine (SVM), Decision Tree (DT), K-Nearest Neighbors (KNN), Random Forest (RF), Multi-Layer Perceptron (MLP), and Gradient Boosting Decision Tree (GBDT). The complementary nature of these models allows the ensemble to capture diverse data characteristics, thereby enhancing prediction accuracy and generalization capabilities.
The selection of high-performing base learners and an effective meta-learner is crucial for the model’s success. The paper employs a combinatorial optimization approach to identify the most suitable meta-learner, culminating in the construction of the stacking ensemble learning model. This approach demonstrates a significant reduction in prediction errors, underscoring the advantages of leveraging multiple models to improve classification outcomes.
Discussion
In this study, a comprehensive analysis of mung bean seed classification was conducted using a multimodal dataset derived from Raman spectral features and image numerical features. The dataset comprised seven varieties of mung beans, with 700 samples collected and analyzed using a Hooke D100 near-infrared confocal Raman spectroscopy system. The feature extraction process utilized Competitive Adaptive Reweighted Sampling (CARS) to identify the most relevant features, resulting in a significant reduction from the original feature set to 44 key features that effectively represent the biochemical composition of the seeds. The integration of these features with image data led to a multimodal dataset that improved classification accuracy, achieving a maximum accuracy of 76.43% with a decision tree model.
The study further employed a stacking ensemble learning model, optimizing base learners using the Kepler Optimization Algorithm (KOA) to enhance predictive performance. The Random Forest (RF) stacking model emerged as the most effective, achieving an accuracy of 90.71%, outperforming other models in precision, recall, and F1-Score. The results underscore the efficacy of combining diverse data sources and advanced machine learning techniques, demonstrating that the stacking ensemble model significantly enhances classification performance compared to traditional methods. This approach not only improves accuracy but also effectively captures the complex interactions within the data, providing a robust framework for future applications in seed classification and related fields.