تم استخدام تحويل فورييه لأشعة تحت الحمراء القريبة (FT-NIR) وتقنية الطيف ثنائي الأبعاد التوافقي (2DCOS)، بالتزامن مع طرق الكيمياء الحسابية وخوارزميات التعلم العميق، لبناء نماذج تحليل التمييز باستخدام الحد الأدنى للمربعات الجزئية (PLS-DA) وشبكة الأعصاب الالتفافية المتبقية (ResNet) بسرعة ودقة للتعرف على ثلاث أصناف مزروعة من نبات جسترديا إيليتا (Gastrodia elata) بلوم (بإجمالي 447 عينة). أظهرت النتائج أن نموذج PLS-DA المبني على بيانات FT-NIR المُعالَجة باستخدام الاشتقاق من الدرجة الأولى (1st Der) وتصحيح التبعثر المتعدد (MSC) أظهر أفضل أداء شامل (دقة 99.00%). في الوقت نفسه، أتاح الأسلوب الذي يجمع بين صور FT-NIR المتزامنة 2DCOS مع نموذج ResNet إمكانية التعرف السريع والدقيق على الأصناف المزروعة المختلفة للنبات دون الحاجة لاختيار أفضل معالجة مسبقة أو لتحويلات بيانات معقدة (دقة 100.00%). توفر هذه الدراسة طريقة جديدة سريعة ودقيقة للتمييز بين الأصناف المزروعة للنبات، مما يضع أساسًا قويًا لأبحاث الموارد الجينية للنبات وتربية الأصناف الجديدة.

تحويل فورييه لأشعة تحت الحمراء القريبة;الكيمياء الحسابية;التعلم الآلي;جسترديا إيليتا;الأصناف المزروعة