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。

VideometerLab多光谱种子表型成像系统

为什么种子活力是种子健康的重要指标？

种子活力与其质量直接相关，它不仅可以测量样本中存活种子的百分比，还可以发现种子是在什么条件下储存的。它可能受到成熟、发育、贮藏或遗传因素的影响。

种子活力百分比通常在发育阶段增加，直到达到成熟度峰值，之后由于老化而显著降低。衡量种子质量最常用的方法是检查一些劣化因素或弱点。其中一些测试包括电导率或人工加速老化，此类可能被视为破坏性而非有效的。

光谱成像和种子分析

以上提供的一些测试得到了国际种子测试协会（ISTA）的正式认可，并作为衡量鹰嘴豆、萝卜或大豆种子的标准。然而，只有少数种子正式批准了测试方法，所有其他种子的方法都处于试验阶段，其中之一是苜蓿种子（苜蓿）。 

苜蓿种子的种子活力

最近发表在Smart Agriculture of Sensors杂志上的一篇文章阐述了使用先进的仪器VideometerLab对苜蓿种子活力进行的无损评估。光谱成像可用于种子测试中健康、纯度、处理或发芽等。

本研究使用来自不同收获期和成熟度水平的大量紫花苜蓿种子作为样本，以确保其重复性和有效性。中国农业大学和宁夏农林科学院的科学家使用19种波长来分析、区分和预测种子活力水平。试验结束时，评估无活力死种子的平均准确率为93.3%，而鉴定高活力种子的平均准确率为95.7%。

论文得出结论，在本实验中使用多光谱成像和多变量分析可以准确评估和预测紫花苜蓿的种子活力、种子活力和种子发芽率。研究的积极结果证明了光谱成像在种子检测中的有效性。 

基于多光谱成像技术的苜蓿种子活力无损检测

摘要

种子活力是评价植物种子质量的重要指标。如何快速、准确地评价种子活力一直是种子研究领域的一个重要问题。多光谱技术作为一种新的物理检测方法，具有灵敏度高、准确度高、无损、快速等优点，在种子质量评价中具有良好的应用前景。本研究利用多光谱成像技术收集了19个波长（365、405、430、450、470、490、515、540、570、590、630、645、660、690、780、850、880、940、970 nm）的紫花苜蓿种子的形态和光谱信息，这些波长代表了不同的种子活力水平和年龄。采用主成分分析（PCA）、线性判别分析（LDA）、支持向量机（SVM）、随机森林（RF）和规范化典型判别分析（nCDA）等五种多元分析方法对其活力进行了判别和预测。结果表明，LDA模型效果最好，对不同成熟度种子样品的平均准确率为92.9%，对不同收获年份种子样品的平均准确率为97.8%，LDA模型的平均灵敏度、特异性和精密度可达90%以上。nCDA鉴定无活力死种子的平均准确率达93.3%。在鉴定高活力种子和预测紫花苜蓿种子发芽率方面，该方法可达到95.7%。综上所述，本试验采用多光谱成像和多元分析技术，可以准确地评价和预测苜蓿种子活力、种子活力和种子发芽率，为种子质量的快速无损检测提供了重要的技术手段和思路。

关键词：种子活力；多光谱成像；种子萌发；种子活力；多元分析

Non-Destructive Testing of Alfalfa Seed Vigor Based on Multispectral Imaging Technology

by Shuheng Zhang1,Hanguo Zeng 1,Wei Ji 1,Kun Yi 1,Shuangfeng Yang 1,Peisheng Mao 1,Zhanjun Wang 2,Hongqian Yu 2 and Manli Li 1,*

1College of Grassland Science and Technology, China Agricultural University, Beijing 100193, China

2Institute of Desertification Control, Ningxia Academy of Agricultural and Forestry Sciences, Yinchuan 750002, China 

Abstract

Seed vigor is an important index to evaluate seed quality in plant species. How to evaluate seed vigor quickly and accurately has always been a serious problem in the seed research field. As a new physical testing method, multispectral technology has many advantages such as high sensitivity and accuracy, nondestructive and rapid application having advantageous prospects in seed quality evaluation. In this study, the morphological and spectral information of 19 wavelengths (365, 405, 430, 450, 470, 490, 515, 540, 570, 590, 630, 645, 660, 690, 780, 850, 880, 940, 970 nm) of alfalfa seeds with different level of maturity and different harvest periods (years), representing different vigor levels and age of seed, were collected by using multispectral imaging. Five multivariate analysis methods including principal component analysis (PCA), linear discriminant analysis (LDA), support vector machine (SVM), random forest (RF) and normalized canonical discriminant analysis (nCDA) were used to distinguish and predict their vigor. The results showed that LDA model had the best effect, with an average accuracy of 92.9% for seed samples of different maturity and 97.8% for seed samples of different harvest years, and the average sensitivity, specificity and precision of LDA model could reach more than 90%. The average accuracy of nCDA in identifying dead seeds with no vigor reached 93.3%. In identifying the seeds with high vigor and predicting the germination percentage of alfalfa seeds, it could reach 95.7%. In summary, the use of Multispectral Imaging and multivariate analysis in this experiment can accurately evaluate and predict the seed vigor, seed viability and seed germination percentages of alfalfa, providing important technical methods and ideas for rapid non-destructive testing of seed quality.  

Keywords: seed vigor; multispectral imaging; seed germination; seed viability; multivariate analysis

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

种子表型组学：使用灰度共生矩阵和机器学习技术识别单倍体玉米种子

种子表型组学：不同成熟度甜菜种子发芽抑制因子去除的优化

种子表型组学：通过射线照相和多光谱图像分析测定小麦种子中的侵染

种子表型组学：用于表征麻疯树种子质量的多光谱和X射线图像

种子表型组学：盐胁迫下九个高羊茅品种的种子萌发和幼苗生长参数

种子表型组学：多光谱成像结合机器学习判别辣椒种子品种

种子表型组学：叶绿素荧光作为花生种子品质评价的新标志物

种子表型组学：基于多光谱和共振成像技术的麻疯树种子健康分析新方法

种子表型组学：多光谱成像结合多变量分析的单株紫花苜蓿种子品种鉴别

基于机器学习和多光谱成像分类的茄子种子分类方法研究

种子表型组学：通过多光谱成像分析对自然老化的紫花苜蓿种子进行无损鉴定

种子表型组学：自动荧光光谱成像作为一种快速、无损和可靠地评估大豆种子质量的创新方法

种子表型组学：一种利用新兴光学技术和人工智能的方法作为新标记评估花生种子质量

种子表型组学：用多光谱成像检测黑燕麦种子中的德雷克斯孢菌

种子表型组学：多光谱成像结合机器学习方法快速无损检测玉米中玉米赤霉烯酮