基于多光谱成像和叠加集成学习的三种苜蓿单种子鉴定

多光谱成像（MSI）已成为种子鉴定中一种新的快速无损检测方法。以往的研究通常集中于MSI数据分析中的单一模型，该模型总是采用所有特征，并增加了效率风险和系统成本风险。在本研究中，我们开发了一个堆叠集成学习（SEL）模型，用于成功识别镰刀苜蓿（Medicago falcata）、杂交苜蓿和紫花苜蓿的单个种子。SEL采用三层结构，即0级，以主成分分析（PCA）、线性判别分析（LDA）和二次判别分析（QDA）作为降维和特征提取（DRFE）模型；1级，支持向量机（SVM）、多元逻辑回归（MLR）、具有弹性网正则化的广义线性模型（GLMNET）和极限梯度增强（XGBoost）作为基础学习级；三级，XGBoost作为元学习者。研究确认，基于光谱特征以及形态学和光谱特征的组合，SEL模型的总体准确度、kappa、精密度、敏感性、特异性和敏感性值均显著高于单独的基本模型。此外，我们还开发了特征过滤过程，并成功地从33个特征中选择了5个最佳特征，这些特征对应于种子中叶绿素、花青素、脂肪和水分的含量。在MSI数据分析中的SEL模型为种子识别提供了一种新的方法，并且特征滤波过程可能广泛用于低成本和窄通道传感器的开发。 

关键词：镰刀苜蓿、杂交苜蓿和紫花苜蓿、种子识别、叠加集成学习、多光谱成像
 

Videometer Lab4多光谱种子表型成像系统是丹麦理工大学与丹麦Videometer公司开发，是用于种子研究先进的多光谱表型成像设备，典型客户为ISTA国际种子检验协会、ESTA欧洲种子检验协会、John Innes Centre、LGC化学家集团、奥胡斯大学等等，利用该系统发表的文章已经超过300篇。
 

Videometer种子表型表型成像系统可测量种子如尺寸、颜色、形状等，间接测定种子参数如种子纯度、发芽百分比、发芽率、种子健康度、种子成熟度、中寿命等。种子活力综合种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和（发芽和出苗期间的活性水平与行为），是种子品质的重要指标，具体包括吸涨后旺盛的代谢强度、出苗能力、抗逆性、发芽速度及同步性、幼苗发育与产量潜力。种子活力是植物的重要表型特征，传统检测方法包括低温测试、高温加速衰老测试、幼苗生长测定等。
 

该系统也可以对细菌、虫卵、真菌等进行高通量成像测量，进行病理学、毒理学或其它研究。对于拟南芥等冠层平展的植物，可以进行自动的叶片计数等。