Multispectral and X-ray images for characterization of Jatropha curcas L. seed quality

期刊：PLANT METHODS 影响因子：4.993

用于表征麻疯树种子质量的多光谱和X射线图像

背景：在农业工业和作物育种中，使用较少人为干扰的非破坏性方法引起了人们的极大兴趣。现代成像技术能够自动显示用于表征生物样品的多参数，从而降低主观性并优化分析过程。此外，两种或多种成像技术的结合有助于发现新的物理化学工具和实时解释数据集。

结果：我们提出了一种基于多光谱和 X 射线成像技术相结合的种子质量自动表征的新方法。我们提出了一种使用 X 射线图像研究内部组织的方法，因为种子表面轮廓可能会受到负面影响，但不会到达种子的重要内部区域。油籽植物（麻疯树）被用作模型物种，它也是一种在世界范围内具有经济重要性的多用途作物。我们的研究包括应用归一化典型判别分析 (nCDA) 算法作为监督变换构建方法，以获得不同种子块上的空间和光谱模式。我们使用基于线性判别分析 (LDA) 的反射率数据和 X 射线类别开发了分类模型。单独或组合的分类模型使用 940 nm 的反射率和 X 射线数据来预测正常幼苗、异常幼苗和死种子等质量性状，显示出较高的准确度 (> 0.96)。

结论：多光谱和X射线成像与种子生理性能密切相关。 940 nm 的反射率和 X 射线数据可以有效地预测种子质量属性。这些技术可以成为未来快速、高效、可持续和无损表征种子质量的替代方法，克服传统种子质量分析的内在主观性。

种子方向与基于多光谱反射率区分种子地块无关（图 2）。 紫外（365 nm）和可见光（405-690 nm）区域的波长显示出低反射强度（< 20%），很难区分批次。 然而，在较长波长处获得的数据，特别是在近红外 (NIR) 区域（从 780 到 970 nm）中获得的数据清楚地能够区分种子区，并且具有高活力的种子显示出最低的反射强度（批次 2）。

图2.三个不同活力水平的麻疯树种子表面在 19 个波长下每个感兴趣区域内的平均光谱图

对多光谱数据应用主成分分析(PCA)以减少变量，结果显示前两个主成分占种子批次间数据变异性的大部分（占总数据方差的 98.66%）。贡献直方图表示基于95%置信阈值（截止）的信息量最大的波长，由红色虚线表示，它显示只有780到 970 nm 的五个带宽，主要对PC1和PC2有贡献（图 3a）。基于PC1和PC2的聚类分析将三个种子区明显分开（图3b）。

图3.a响应变量对维度1和2的贡献；b麻疯树种子区（批次 1、2 和 3）中多光谱反射率的主成分分析 (PCA) 双图。 780~970 nm的5个波长显着解释了种地间的差异

为了验证PCA模型，对应于五个最重要波长（780、850、880、940 和 970 nm）的多光谱数据，如先前由PCA指定的，被用于典型判别分析（CDA）（图 4）.批次1和3的活力较低，这些波长将批次1和3批次2（高活力）正向区分开来，这表明这些波长是区分活力较低的麻风树种子的良好预测指标。

图4.在780、850、880、940和970nm处获得的反射率数据的典型判别分析(CDA)从三个不同活力水平的麻疯树苗木中获得

麻风树种子有厚而黑的外皮。图5显示了基于发芽能力和在 940nm捕获的相应反射率图像和 X 射线图像从种子腹面和背面获得的 RGB 图像。由于CDA模型在940和970nm之间显示出共线性（图 4），我们选择在940nm捕获的反射率图像（图 5），因为该波长与脂肪组织的吸收峰密切相关，这与油籽研究相关 .在发芽试验中，从反射图像中像素值较低而X射线图像中像素值较高的种子产生正常幼苗。与那些产生异常幼苗或不发芽（死种子），其中死种子在反射率和X射线图像中分别表现出最高和最低的像素值。

图5. 麻疯树种子腹侧和背侧表面的原始RGB图像，基于发芽能力和在940 nm处捕获的相应反射图像（使用nCDA算法的灰度和转换图像）以及X射线图像

基于种子组织完整性和发芽试验中的种子性能，从所有种子地获得的射线照相图像分为三个不同的类别（图6a）。软组织与退化的组织有关，当X射线束穿过组织时它们吸收的X射线束较少，因此，这些区域在X射线照相图像中显得较暗。同时，具有高灰度强度的区域表明 X 射线的更大穿透力与更高的组织密度（健康组织）直接相关。1类种子完全填满或胚乳与种皮之间有微小空隙（≤1.23 mm），这些种子主要产生正常的幼苗。2类种子在胚乳和种皮之间出现较大的空隙（> 1.24 mm）或未达到胚轴的组织退化，产生的多为异常幼苗。最后，第3类包括组织退化的种子到达胚轴、畸形和空种子，这些种子与死种子直接相关。CDA方法（图 6b）显示Lot1与2类和死种子呈正相关。异常幼苗变量没有出现在模型中，因为它与死种子共线。Lot2 的种子与Class1和正常幼苗的 X 射线图像呈正相关，与Lot1 Lot 3完全相反。940nm的反射数据区分 Lot 3 与 Lot 1 和 Lot 2，其中种子数量较高第3类和死种子 (F=10.22, df=2, 12, P=0.0014)

图6. A麻疯树种子根据组织完整性分为三个不同类别的 X 射线图像

B 三个不同活力水平