Videometer Lab4多光譜種子表型成像系統(tǒng)是丹麥理工大學與丹麥Videometer公司開發(fā)，是用于種子研究*多光譜表型成像設備，典型客戶為ISTA國際種子檢驗協(xié)會、ESTA歐洲種子檢驗協(xié)會、John Innes Centre、LGC化學家集團、奧胡斯大學等等，利用該系統(tǒng)發(fā)表的文章已經(jīng)超過300篇。

Videometer種子表型表型成像系統(tǒng)可測量種子如尺寸、顏色、形狀等，間接測定種子參數(shù)如種子純度、發(fā)芽百分比、發(fā)芽率、種子健康度、種子成熟度、中壽命等。種子活力綜合種子活力是種子發(fā)芽和出苗率、幼苗生長的潛勢、植株抗逆能力和生產(chǎn)潛力的總和（發(fā)芽和出苗期間的活性水平與行為），是種子品質(zhì)的重要指標，具體包括吸漲后旺盛的代謝強度、出苗能力、抗逆性、發(fā)芽速度及同步性、幼苗發(fā)育與產(chǎn)量潛力。種子活力是植物的重要表型特征，傳統(tǒng)檢測方法包括低溫測試、高溫加速衰老測試、幼苗生長測定等。

該系統(tǒng)也可以對細菌、蟲卵、真菌等進行高通量成像測量，進行病理學、毒理學或其它研究。對于擬南芥等冠層平展的植物，可以進行自動的葉片計數(shù)等。

VideometerLab多光譜種子表型成像系統(tǒng)

基于多光譜成像技術快速無損檢測紫花苜蓿人工老化種子

摘要

種子老化是影響種子生產(chǎn)和儲藏的重要因素，給農(nóng)業(yè)生產(chǎn)帶來了嚴重的經(jīng)濟損失，已成為影響種子活力中威脅性的因素之一。老化種子的檢測以及種子老化后發(fā)芽情況的鑒定對種子生產(chǎn)具有重要意義，但目前常用的檢測手段都是一次性、破壞性的。因此，一種快速、無損的種子老化和發(fā)芽檢測方法不僅是研究的需要，也是種子行業(yè)進行種子檢測分選所急需的。利用多光譜成像技術，采集紫花苜蓿種子的形態(tài)和光譜特征數(shù)據(jù)，利用LDA（線性判別分析）、SVM（支持向量機）和nCDA（歸一化標準判別分析）3種多元分析方法，對不同老化程度苜蓿種子及其發(fā)芽情況分別進行分類和預測。結果表明，不同老化程度種子平均光譜反射率在470~660 nm處出現(xiàn)了明顯的區(qū)別。LDA可以區(qū)分老化種子和未老化種子（準確度93.0%~97.7%），也可以區(qū)分不同老化程度的種子（準確度75.3%~91.7%），且均高于SVM的分類結果（準確度分別為92.4%~94.9%和68.7%~78.8%）；nCDA對老化種子進行區(qū)分的準確度高達88%~98%。同時，LDA可以準確預測發(fā)芽種子和不發(fā)芽種子，準確度可達98.7%，高于SVM的92.1%；nCDA預測老化種子發(fā)芽準確度達到了90%~99%。本研究證明了多光譜成像與分析技術不僅可以區(qū)分老化種子，也可以預測種子的發(fā)芽。上述結果證實多光譜成像技術結合多元分析為高效無損檢測苜蓿種子活力提供了新途徑，具有良好的應用前景。

圖1 4組種子材料的多光譜RGB成像

關鍵詞：老化種子;多光譜成像;多元分析;紫花苜蓿;無損檢測

Abstract

Aging during the storage of seeds reduces seed vitality and causes serious economic losses to the agricultural industry， and has become one of the biggest factors involved in decreased seed vigor. Distinction between aged and viable seeds is of high importance in alfalfa seed planting and production， but the existing methods are time-consuming or destructive. Therefore， a rapid and non-destructive screening method to distinguish aged and viable seeds is not only very necessary in seed testing and the alfalfa seed industry， but also potentially useful in alfalfa seed research. In this study， we collected data of both morphological features and spectral traits of alfalfa seeds using multispectral imaging （MSI） technology. Then， we evaluated three m*riate analysis methods： linear discriminant analysis （LDA）， support vector machines （SVM） and normalized canonical discriminant analysis （nCDA）， to classify seeds artificially aged for 0， 3， 6 and 14 days， and predict viable seeds which could germinate. It was found that the mean light reflectance at 470-660 nm differed significantly between non-aged and aged seeds. The LDA model based on a “hold-out method" provided accuracies of 93.0%-97.7% in distinguishing aged seeds from nonaged seeds， and 75.3%-91.7% in distinguishing the different groups of aged seeds. Corresponding values for the SVM model were a little lower， being 92.4%-94.9% and 68.7%-78.8%， respectively. The nCDA model also exhibited achieved aged seed discrimination with an accuracy of 88.0%-98.0%. Finally， viable seeds could be distinguished from dead seeds in all the categories of aged seeds， with accuracies of 98.7% and 92.1% in LDA and SVM analysis， respectively， while the accuracy of nCDA in predicting the germination of aged seeds ranged from 90% to 99%. This study showed that MSI could successfully distinguish aged seeds， and also predict germination of seeds. In summary， we demonstrated a nondestructive， rapid and high-throughput approach to screen both aged and viable seeds in alfalfa， and showed that MSI together with m*riate analysis is promising as a new tool for application in seed testing and field planting of alfalfa seeds.

相關閱讀

Videometer種子表型組學:種子活力研究-熒光成像

植物病害表型組學：多光譜病害指紋圖譜

Videometer種子表型組學：多光譜成像作為菠菜種子健康檢測的潛在工具

Videometer種子表型組學：多光譜圖像分析在種子種質(zhì)庫管理中的應用

Videometer種子表型組學：利用可見光、近紅外多光譜和化學計量學對不同番茄種子品種的分類

Videometer種子表型組學：使用多光譜成像和化學計量學方法在線鑒別水稻種子

Videometer種子表型組學：使用多光譜成像預測蓖麻種子的活力

Videometer種子表型組學：甜菜種子加工損傷的多光譜圖像分類

種子表型組學：基于多光譜成像的葵花籽品質(zhì)特征識別

種子表型組學：利用多光譜成像和化學計量學方法對大豆種子進行無損鑒別

種子表型組學：Videometer多光譜成像種子質(zhì)量評估的新工具

種子表型組學：聚合物包衣對水稻種子萌發(fā)的影響

種子表型組學：基于可見-近紅外多光譜圖像數(shù)據(jù)的偏最小二乘判別分析檢測菠菜種子的發(fā)芽能力和胚芽長度

種子表型組學：使用灰度共生矩陣和機器學習技術識別單倍體玉米種子

種子表型組學：不同成熟度甜菜種子發(fā)芽抑制因子去除的優(yōu)化

種子表型組學：通過射線照相和多光譜圖像分析測定小麥種子中的侵染

種子表型組學：用于表征麻瘋樹種子質(zhì)量的多光譜和X射線圖像

種子表型組學：鹽脅迫下九個高羊茅品種的種子萌發(fā)和幼苗生長參數(shù)

種子表型組學：多光譜成像結合機器學習判別辣椒種子品種

種子表型組學：葉綠素熒光作為花生種子品質(zhì)評價的新標志物

種子表型組學：基于多光譜和共振成像技術的麻瘋樹種子健康分析新方法

種子表型組學：多光譜成像結合多變量分析的單株紫花苜蓿種子品種鑒別

基于機器學習和多光譜成像分類的茄子種子分類方法研究

種子表型組學：通過多光譜成像分析對自然老化的紫花苜蓿種子進行無損鑒定

種子表型組學：自動熒光光譜成像作為一種快速、無損和可靠地評估大豆種子質(zhì)量的創(chuàng)新方法

種子表型組學：一種利用新興光學技術和人工智能的方法作為新標記評估花生種子質(zhì)量

種子表型組學：用多光譜成像檢測黑燕麥種子中的德雷克斯孢菌

種子表型組學：多光譜成像結合機器學習方法快速無損檢測玉米中玉米赤霉烯酮

種子表型組學：多光譜成像如何無損檢測苜蓿種子活力表型？