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。

甜菜种子加工损伤的多光谱图像分类

摘要：单胚甜菜种子的果皮在加工过程中会被磨去，以便生产出大小均匀的种子，为制粒做好准备。这一过程可能导致机械损伤，从而导致加工种子的质量下降。机械损伤的识别和损伤严重程度的分类是很重要的，而且目前非常耗时，因为需要使用训练有素的分析员进行目视检查。本研究旨在通过评估机器视觉技术对单胚甜菜种子的五种损伤类型进行分类，寻找替代的种子质量评估方法。多光谱成像（MSI）采用VideometerLab3仪器和仪器软件。MSI衍生数据的统计分析产生了一个模型，该模型对五个损伤类别中的200个种子进行分类，平均准确率为82%。第一类包含有可能产生良好幼苗的种子，该模型的设计旨在对该类种子进行更多限制。分类精度一至五级的比例分别为59%、100%、77%、77%和89%。基于这些结果，我们得出结论，基于MSI的甜菜种子机械损伤分类是未来种子质量评估的潜在工具。

图1.甜菜种子的五种损伤等级(a-e)

加工过程中的机械损伤可能会影响种子质量和发芽率，并且发现幼苗活力与这种损伤相关。在这项研究中，对甜菜种子的五种不同类型的损害进行了评估（图1）。种皮可能会被损坏而不影响实际的种子和/或胚（图 1a），或者抛光操作可能会严重压碎胚，使正常幼苗没有机会发育（图1（e1-e5））。

五种损坏等级的平均光谱来自VideometerLab 仪器中使用的19个波长（图 2）。一般来说，平均光谱在可见光波长区域（低于 709 nm）显示出非常小的多样性，而在近红外 (NIR) 波长中发现更多的多样性。使用甜菜种子的原始图像对损害类型进行分类并不是一项现成的任务；然而，根据 19 个变量开发的设计模型提供了一种对甜菜种子加工损伤进行分类的方法。图 1 中 RGB 图像的最终转换如图 3 所示。尽管类别在颜色、纹理和形状上相似，但该模型通过强调内部种皮和胚胎损伤的严重程度来对损伤进行分类。

图2.甜菜五个损伤等级（1-5）中19个波长（nm）的平均光谱（百分比）

图3显示了五种损伤等级的nCDA转换图像。变换图像中的蓝色范围表示种子的暗部分，红色范围表示亮部分。高强度红色区域显示胚胎的可能受损部分或外种皮的内部部分。因此，红色的位置和数量是损伤等级的指示器。

图3.甜菜种子机械损伤等级(1-5) 的 nCDA 转换图像

通过使用因子分析中的标准化评分系数，对MSI转换模型中的数据进行统计分析，得出了来自分类模型的四个颜色变量的高度影响。将该模型应用于18个不同品种的200粒种子，结果正确163粒，错误37粒，准确率为82%。在本文的研究中，从图1中观察到，2级和3级损伤（图1b，c）之间的差异可能是种子表面非常小的断裂。在18个品种中，预测精度在67%到100%之间（图4）。有10个品种的分类正确率超过80%，两个品种的预测准确率低于70%。这种预测准确性的变异可能是由品种间种子结构的差异造成的，导致对加工损伤的不同易感性，并且一些品种通常只有很难识别的小损伤。此外，品种间果皮颜色的差异也影响预测的准确性。

北京博普特科技有限公司是丹麦Videometer系列产品中国区总代理，全面负责其系列产品在中国市场的推广、销售和售后服务。

相关阅读

Videometer种子表型组学:种子活力研究-荧光成像

植物病害表型组学：多光谱病害指纹图谱

Videometer种子表型组学：多光谱成像作为菠菜种子健康检测的潜在工具

Videometer种子表型组学：多光谱图像分析在种子种质库管理中的应用

Videometer种子表型组学：利用可见光、近红外多光谱和化学计量学对不同番茄种子品种的分类

Videometer种子表型组学：使用多光谱成像和化学计量学方法在线鉴别水稻种子

Videometer种子表型组学：使用多光谱成像预测蓖麻种子的活力