通过多光谱成像分析对六种豆科植物单颗硬种子进行无损识别

浏览次数：1443　发布日期：2022-4-15　来源：本站　仅供参考，谢绝转载，否则责任自负

通过多光谱成像分析对六种豆科植物单颗硬种子进行无损识别

摘要

背景：物理休眠（硬种子）发生在豆科的大多数物种中，不仅对生态适应有重大影响，而且对这些物种的农业实践也有重大影响。一种快速、无损和现场筛选方法来检测物种内的硬种子对于保持种子活力和种质储存以及了解种子对各种环境的适应至关重要。在这项研究中，评估了多光谱成像与对象多变量图像分析的潜力，作为一种识别金合欢、东方Galega 、光果甘草、紫花苜蓿、苜蓿和 Thermopsis lanceolata 中硬种子和软种子的方法。应用主成分分析 (PCA)、线性判别分析 (LDA) 和支持向量机 (SVM) 方法根据其形态特征和光谱特征对硬种子和软种子进行分类。

结果：通过多光谱成像分析识别模型的性能因物种而异。对于M. officinalis、M. sativa 和 G. orientulis，可以在独立的验证数据集中实现出色的分类。LDA模型具有最佳的校准和验证能力，对 M.sativa 的准确度高达90%。SVM对M.officinalis和G. orientulis的分类准确率分别为91.67%和87.5%，获得了优异的种子识别结果。然而，LDA和SVM模型都未能区分A. seyal、G.glabra和T. lanceolate中的硬种子和软种子。

结论：多光谱成像结合多变量分析可能是一种有前途的技术，可以高效地识别某些豆科植物中的单个硬种子。在未来的研究中需要研究更多具有物理休眠的豆科植物，以扩展多光谱成像技术的使用。

关键词：硬种子，豆科植物，多光谱成像，多变量分析

除A.seyal外，光谱分析显示其他5个物种的硬种子和软种子在平均反射率方面存在显着差异（图 2）。对于M.sativa和M. officinalis，软种子在整个波长范围内的反射率明显高于硬种子。与M.sativa和M.officinalis 一致，G. glabra 的软种子也表现出比硬种子更高的反射率，而仅在405nm至590nm和850nm至970nm 的光谱范围内观察到统计显着性。与上图相反，东方菖蒲软种子在515~570 nm光谱范围内的反射率明显低于硬种子，而在660~970 nm光谱范围内则呈现相反的趋势。T. lanceolate 在除970nm以外的整个光谱范围内的反射率均未检测到显着差异。

图1.六种硬软种子图片

图2.硬种子和软种子中19个波长(nm)的平均光反射率

每个性状对跨物种LDA模型的贡献存在很大差异（图 3）。对于M. sativa，紧密度圆解释了总变化的11.7%，其次是垂直偏度(10.8%)、色调 (9.2%)、490 nm (7.9%) 和 515 nm (7.1%)。对于 M. officinalis，垂直偏度解释了总变化的 29.7%，其次是紧致椭圆（17.1%）、BetaShape b（16.3%）、BetaShape a（14.3%）和宽度/长度比（4.4%））。同样，对于 M. officinalis，垂直偏度解释了 G. orientulis 总变异的 32.0%，其次是 BetaShape b (21.2%)、BetaShape a (19.9%)、紧凑椭圆 (9.5%) 和色调 (2.8%)（图3）。与LDA 模型一致，SVM 模型在对硬种子和软种子进行分类方面的性能因物种而异。 SVM模型对M. officinalis、M. sativa和G. orientulis的独立验证数据集的种子分类平均准确率分别高达91.67%、89.17%和87.5%。