利用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

瀏覽次數：1552　發布日期：2022-4-19　來源：本站　僅供參考，謝絕轉載，否則責任自負

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

摘要：種子老化檢測和種子活力預測在苜蓿種子生產中具有重要意義，但傳統方法具有一次性和破壞性。因此，建立一種快速、無損的種子篩選方法是種業和研究的必要條件。本研究采用多光譜成像技術采集不同貯藏年限老化苜蓿種子的形態特征和光譜性狀。然后，我們采用五種多元分析方法，即主成分分析（PCA）、線性判別分析（LDA）、支持向量機（SVM）、隨機森林（RF）和歸一化典型判別分析（nCDA）來預測衰老和存活種子。結果表明，未老化種子和老化種子在450~690 nm處的平均光反射率存在顯著差異。 LDA模型在區分老化種子和非老化種子方面具有較高的準確性（99.8~100.0%），高于SVM（87.4~99.3%）和RF（84.6~99.3%）。此外，可以區分死種子和老化種子，RF、SVM和LDA的準確率分別為69.7%、72.0%和97.6%。 nCDA預測老化種子發芽的準確率在75.0%到100.0%之間。總之，我們描述了一種無損、快速和高通量的方法來篩選苜蓿中各種活力的老化種子。

關鍵詞：老化的種子；多光譜成像；多變量分析；苜蓿；無損識別

光譜反射率表示從UV(365 nm)到短波NIR(970nm)的19個波長處的像素強度。我們分析了19個波段下老化種子和非老化種子的光譜反射率，發現它們表現出相似的趨勢，尤其是在450nm至690nm的光譜范圍內，CK（2019 年收獲）表現出最高光譜反射率。在NIR區域（從 850 到 970 nm），這種趨勢消失了，2011年收獲的老化種子呈現出更高的反射強度。我們分別探索了四次比較，觀察到2004年和2019年收獲的種子之間的最大差異（圖2）。所有老化種子組的反射強度與未老化種子的差異很大。

圖2.老化種子與非老化種子中19個波長的反射率

根據光譜反射率的結果，我們選擇了中間區域的兩個波段（515nm和630nm）和兩端區域的兩個波段（365nm和880nm）來繪制像素直方圖。結果顯示，在可見光區域（400~760 nm）的515nm和630nm 中的 Y 軸像素值與老化種子和CK之間的兩個分離峰顯著不同（圖3B，C）。老化種子和非老化種子在365nm和880nm處的分布峰仍然存在差異（圖 3A，D）。老化種子的像素峰值位置從圖3A的左側移動到圖3D的右側。

圖3.老化種子與非老化種子(CK) 的像素直方圖

基于多光譜數據開發了五個多變量分析模型。首先，基于形態和光譜特征的主成分分析結果表明，前兩個主成分解釋了57.8%（2004 vs. 2019）、53.2%（2008 vs. 2019）、51.0%（2011 vs. 2019）、55.8%（2017）與 2019 年相比）的原始方差。2004年的種子分離效果最好，2017年和2019年的種子無法區分（圖4）。PCA很難完全區分老化種子和非老化種子。相比之下，SVM模型在對老化種子和非老化種子進行分類時，平均準確率高達99.3%（2004 vs. 2019）、91.3%（2008 vs. 2019）、90.9%（2011 vs. 2019）和87.4 %（2017 年與 2019 年）。SVM 的敏感性和特異性也很好，范圍分別為 87.6% 到 99.6% 和 87.3% 到 99.0%。RF模型對老化種子和非老化種子進行分類的平均準確率分別為99.3%（2004 vs. 2019）、89.6%（2008 vs. 2019）、85.5%（2011 vs. 2019）和84.6%（2017 vs. 2019）。2019）。值得注意的是，LDA模型的準確率高達99.8%~100.0%，靈敏度最好，范圍為99.7%~100.0%，特異度最好，為100%。

圖4.基于不同年份種子的形態和多光譜數據的PCA圖

我們根據發芽（紅色）和未發芽（藍色）種子的顏色標準化，在nCDA中用顏色轉換種子的所有光譜圖像，并嘗試預測特定種子的發芽與否。nCDA 的結果表明，隨著儲存年限的增加，nCDA圖像中以紅色繪制的種子數量減少，而“藍色”種子的數量增加。2004年藍色的種子幾乎都沒有發芽（圖5A），藍色的種子與未發芽的種子完全匹配，而紅色的種子對應于2011年的發芽（圖5B）。根據實際種子發芽統計，nCDA預測發芽和未發芽種子的平均準確度值在75.0%~100.0%之間。