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。

基于可见-近红外多光谱图像数据的偏最小二乘判别分析检测菠菜种子的发芽能力和胚芽长度

摘要：由于难以获得用于幼叶生产的菠菜种子的均匀发芽，因此研究了对从菠菜种子的多光谱图像中提取的特征使用偏最小二乘判别分析(PLS-DA) 的可能性。目的是区分不同的种子大小，以及预测发芽能力和胚芽长度。拍摄了包括小、中、大种子在内的300颗种子的图像，并检查了种子的发芽能力和胚芽长度。PLS-DA 载荷图用于将多维图像特征减少到几个重要特征。 PLS-DA预测产生了一个独立的测试集，不仅可以区分种子大小，还可以证明发芽能力和胚芽长度如何根据种子大小而变化。结果表明，与较小的种子相比，较大的种子具有显着更高的发芽潜力和胚芽长度。投影方法的可变重要性表明近红外 (NIR) 波长区域对发芽可预测性很重要。然而，当仅使用 NIR 区域时，PLS-DA 模型并没有改善。

关键词：PLS-DA；发芽能力；胚芽长度；分类; VIS-NIR 成像；菠菜种子；种子大小

图1.395nm（左）和 910 nm（右）的灰度图像

在19个不同光谱带的范围内捕获了1280x960个像素的图像。图1显示了在395nm（左）和910 nm（右）下捕获的包含 25 个中等大小菠菜种子的图像。只有图像中的种子是感兴趣的，因此执行的第一步是分离种子从背景（滤纸），使用阈值进行分割。下一步是使用基于灰度共生矩阵(GLCM)的灰度统计和Haralick纹理特征从每个图像（每个波长/波段一个图像）中提取特征。

图2.峰态、最大值、平均值、中值、最小值和标准偏差数据（左）和角度、对比度、相关性、熵和逆数据（右）的偏最小二乘判别分析载荷（PLS1 与 PLS2）图

基于两个PLS-DA加载图，均值、最大值和最小值特征是重要的灰度特征（图 2，左），而对比度特征是重要的纹理特征（图 2，右）。因此，决定开发关于均值、最大值、最小值和对比度特征的 PLS-DA模型。

图3.未发芽（左）、发芽时胚芽长度在3到10毫米之间（中）和发芽时胚芽长度大于10毫米（右）菠菜种子的投影(VIP)得分图的变量重要性

在本研究中，VIP图（图 3）清楚地表明，NIR 波长区域对于预测“未发芽”和“发芽长度大于10毫米”很重要。这与菠菜的单种子NIR研究一致，其中NIR区域对于发芽和未发芽种子的分类很重要，准确度为 90-98% 。因此，开发仅使用 NIR 波长区域的 PLS-DA 模型并检查模型性能的改进是显而易见的。然而，仅使用 NIR 波长区域并没有改进 PLS-DA 模型（数据未显示）。

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

种子表型组学：利用多光谱成像和化学计量学方法对大豆种子进行无损鉴别

种子表型组学：Videometer多光谱成像种子质量评估的新工具

种子表型组学：聚合物包衣对水稻种子萌发的影响