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。

使用灰度共生矩阵和机器学习技术识别单倍体玉米种子

摘要：双单倍体（DH）技术在玉米育种中得到了有效的应用。该技术在时间和纯合度方面均优于传统玉米育种。 DH技术的重要过程之一是单倍体种子的选择。选择单倍体的最常用方法是 R1-nj（纳瓦霍）颜色标记。这种颜色标记出现在种子胚乳和胚胎中。仅选择胚乳有色种子并持续到发芽阶段。这种选择通常是手动完成的。单倍体种子选择的自动化将增加成功率并减少劳动力和时间。在这项研究中，我们使用了 87 个单倍体和 326 个二倍体玉米种子作为数据集。使用了玉米种子胚的质地特征。这些特征是从灰度共生矩阵中获得的。特征向量使用决策树、k-最近邻和人工神经网络进行分类。机器学习技术的分类性能通过使用 10 折交叉验证方法进行测试。测试结果表明，决策树的性能最好，分类成功率为84.48%。

关键词：玉米；单倍体识别；纹理特征；GLCM；决策树；kNN；ANN

在这项研究中，使用了为之前的工作创建的数据集。该数据集包括 413 粒玉米种子，共 87 个单倍体和 326 个二倍体。 所有样品均作为玉米研究所2016年“国家玉米育种研究”项目的一部分收获。所有样品均来自RWS、RWK-76和“RWSxRWK-76”母源单倍体诱导剂150个基因型的杂交结果。样品的选择在胚胎和胚乳中具有不同的R1-nj表达（浅深色，无密色）。 根据 R1-nj 颜色标记手动完成样本的类别标签分配。 图 1 给出了数据集中单倍体和二倍体玉米种子的样本图像。

图1.(I)单倍体和(II)二倍体玉米种子的样本图像

确定在对数据集中随机选择的80粒玉米种子进行的测量中，统计学上的35像素半径代表胚孔。图2显示了二倍体玉米种子样本的种子质心和特征提取区域。

图2.样品种子、种子的质心和分割的胚区

单倍体和二倍体玉米种子在结构上彼此不同。纹理特征经常用于解决许多不同的模式识别问题。在这项研究中，纹理特征用于分离单倍体和二倍体玉米种子。从数据集中，样品单倍体和二倍体玉米种子胚的图像已在图3中给出。

图3.(I)单倍体和(II)二倍体玉米种子的胚胎图像

总共使用了48个纹理特征来表示数据集中的每个图像。带有边缘直方图的数据集中样本的分布如图4所示。单倍体样本用蓝色强调，而二倍体样本用橙色突出显示。可以看出，单倍体和二倍体标本是交织在一起的。这意味着将解决具有挑战性的分类任务。

图4.考虑总共48个纹理特征的记录分布

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

种子表型组学：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