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。

利用多光谱成像和化学计量学方法对常规抗草甘膦大豆种子及其杂交后代进行无损鉴别

摘要：大豆是一种重要的产油和蛋白质作物，在过去的几十年中，大豆遗传转化取得了长足的进步。尽管在田间很难区分常规和转基因大豆种子及其杂交后代，但应评估转基因流发生的可能性。通过多光谱成像系统结合化学计量学方法，对常规和抗草甘膦大豆种子及其杂交后代进行非破坏性区分的可行性进行了检验。应用主成分分析（PCA）、偏最小二乘判别分析（PLSDA）、最小二乘支持向量机（LS-SVM）和反向传播神经网络（BPNN）方法对大豆种子进行分类。目前的结果表明，常规和抗草甘膦大豆种子及其杂交后代之间的明显差异可以很容易地可视化，并且可以实现出色的分类（BPNN 模型为 98%）。结论是，多光谱成像与化学计量学方法相结合将是一种高效鉴定转基因大豆种子的有前途的技术。

图1.多光谱成像系统的主要设置

图2.来自常规（丸豆28）和抗草甘膦（DP4546RR）大豆种子及其杂交后代（DP4546RR × 丸豆 28）的多光谱图像的平均光谱

在405-970nm范围内收集光谱，包括可见光和NIR区域的较低波长。图2显示了作为整个数据集的200个常规（皖豆 28）和200个抗草甘膦（DP4546RR）大豆种子及其200个杂交后代（DP4546RR × 皖豆 28）的平均光谱。显然，除了光谱的一些细微变化外，所有光谱的总体趋势非常相似，反映了大豆种子中数百种物理和化学成分之间的差异，由样品的光谱带和种子颜色表示。 VideometerLab 测量的主要是大豆种子的表面。可见范围的差异是由于样品在整个可见颜色光谱范围内的颜色特征。此外，近红外(NIR) 区域的差异可归因于常规和抗草甘膦大豆种子及其杂交后代之间的化学差异。图3显示了用于区分常规和抗草甘膦大豆种子及其杂交后代的最相关波长的图像。由于大豆种子中的成分较多，因此很难根据化学成分确定光谱差异。此外，在可见光和近红外范围内都观察到了成分差异，可用于定性分类。这种现象可能有多种来源；因此，使用了多元分类模型。

图3.用于区分抗草甘膦（DP4546RR，左）和常规（皖豆 28，中）大豆种子及其杂交后代（DP4546RR × 皖豆 28，右）的最相关波长的图像

图4.常规（皖豆28）和抗草甘膦（DP4546RR）大豆种子及其杂交后代（DP4546RR×皖豆28）前三个主成分的三维得分图，光谱数据集（a），以及组合的光谱和形态特征数据 设置（b）

最初进行PCA是为了检查常规和抗草甘膦大豆种子及其杂交后代在主成分(PC)空间中的质量差异。200个常规和200个抗草甘膦大豆种子及其200个杂交后代的所有光谱都用于PCA。图4显示了使用前三个评分向量的三维PC评分图，PC1、PC2和PC3来自光谱数据以及样本的组合光谱和形态特征数据。最初的三个因素占光谱变化的大部分（光谱数据集和组合光谱和形态特征数据集分别为 97·37 和 94·29%），用于使区分更加清晰。发现常规和抗草甘膦大豆种子明显用组合的光谱和形态特征数据从三维 PCA 空间中的混合后代中分离出来。这些结果表明，区分常规和抗草甘膦大豆种子及其杂交后代是可能的，并且样品的不同光谱属性与样品的特征相关。此外，一个特征加权算法（ReliefF）用于识别主要特征。结果表明，前五个主要特征是猎人 a* 和 b*、面积以及 660 和 470 nm 的光谱带。值得一提的是，光谱带和形状特征在区分常规和抗草甘膦大豆种子及其杂交后代方面很重要。

图5.使用PLSDA模型和光谱数据集 (a) 以及光谱和形态学的组合，绘制了常规（Wandou 28）和抗草甘膦（DP4546RR）大豆种子及其杂交后代（DP4546RR × Wandou 28）的实际与计算值图 验证集中的特征数据集 (b)

对于PLSDA，基于最小分类误差，发现LV的数量为8。图5显示了使用PLSDA模型与光谱数据（图5（a））以及验证集中的组合光谱和形态特征数据（图5（b））对大豆种子类型的预测。结果表明，PLSDA 模型结合多光谱成像获得了足够的信息来区分常规和抗草甘膦大豆种子及其杂交后代样本。使用光谱数据和组合光谱和形态特征数据的预测准确度的平均值分别为72%和73·33%。

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

Videometer种子表型组学：甜菜种子加工损伤的多光谱图像分类

种子表型组学：基于多光谱成像的葵花籽品质特征识别