通過多光譜成像分析對六種豆科植物單顆硬種子進行無損識別

瀏覽次數：1604　發布日期：2022-4-15　來源：本站　僅供參考，謝絕轉載，否則責任自負

通過多光譜成像分析對六種豆科植物單顆硬種子進行無損識別

摘要

背景：物理休眠（硬種子）發生在豆科的大多數物種中，不僅對生態適應有重大影響，而且對這些物種的農業實踐也有重大影響。一種快速、無損和現場篩選方法來檢測物種內的硬種子對于保持種子活力和種質儲存以及了解種子對各種環境的適應至關重要。在這項研究中，評估了多光譜成像與對象多變量圖像分析的潛力，作為一種識別金合歡、東方Galega 、光果甘草、紫花苜蓿、苜蓿和 Thermopsis lanceolata 中硬種子和軟種子的方法。應用主成分分析 (PCA)、線性判別分析 (LDA) 和支持向量機 (SVM) 方法根據其形態特征和光譜特征對硬種子和軟種子進行分類。

結果：通過多光譜成像分析識別模型的性能因物種而異。對于M. officinalis、M. sativa 和 G. orientulis，可以在獨立的驗證數據集中實現出色的分類。LDA模型具有最佳的校準和驗證能力，對 M.sativa 的準確度高達90%。SVM對M.officinalis和G. orientulis的分類準確率分別為91.67%和87.5%，獲得了優異的種子識別結果。然而，LDA和SVM模型都未能區分A. seyal、G.glabra和T. lanceolate中的硬種子和軟種子。

結論：多光譜成像結合多變量分析可能是一種有前途的技術，可以高效地識別某些豆科植物中的單個硬種子。在未來的研究中需要研究更多具有物理休眠的豆科植物，以擴展多光譜成像技術的使用。

關鍵詞：硬種子，豆科植物，多光譜成像，多變量分析

除A.seyal外，光譜分析顯示其他5個物種的硬種子和軟種子在平均反射率方面存在顯著差異（圖 2）。對于M.sativa和M. officinalis，軟種子在整個波長范圍內的反射率明顯高于硬種子。與M.sativa和M.officinalis 一致，G. glabra 的軟種子也表現出比硬種子更高的反射率，而僅在405nm至590nm和850nm至970nm 的光譜范圍內觀察到統計顯著性。與上圖相反，東方菖蒲軟種子在515~570 nm光譜范圍內的反射率明顯低于硬種子，而在660~970 nm光譜范圍內則呈現相反的趨勢。T. lanceolate 在除970nm以外的整個光譜范圍內的反射率均未檢測到顯著差異。

圖1.六種硬軟種子圖片

圖2.硬種子和軟種子中19個波長(nm)的平均光反射率

每個性狀對跨物種LDA模型的貢獻存在很大差異（圖 3）。對于M. sativa，緊密度圓解釋了總變化的11.7%，其次是垂直偏度(10.8%)、色調 (9.2%)、490 nm (7.9%) 和 515 nm (7.1%)。對于 M. officinalis，垂直偏度解釋了總變化的 29.7%，其次是緊致橢圓（17.1%）、BetaShape b（16.3%）、BetaShape a（14.3%）和寬度/長度比（4.4%））。同樣，對于 M. officinalis，垂直偏度解釋了 G. orientulis 總變異的 32.0%，其次是 BetaShape b (21.2%)、BetaShape a (19.9%)、緊湊橢圓 (9.5%) 和色調 (2.8%)（圖3）。與LDA 模型一致，SVM 模型在對硬種子和軟種子進行分類方面的性能因物種而異。 SVM模型對M. officinalis、M. sativa和G. orientulis的獨立驗證數據集的種子分類平均準確率分別高達91.67%、89.17%和87.5%。