品质至上,客户至上,您的满意就是我们的目标
技术文章
当前位置: 首页 > 技术文章
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
发表时间:2022-03-31 10:30:03点击:1187
来源:北京博普特科技有限公司
分享:
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
摘要:利用可见光和短波近红外光谱结合化学计量学方法,研究了五种不同番茄种子品种快速无损分类的可行性。从番茄种子的多光谱图像中提取了19种不同波长(375 nm至970 nm)的可见-近红外光谱。主成分分析(PCA)用于数据挖掘,偏最小二乘判别分析(PLS-DA)和支持向量机判别分析(SVM-DA)用于对5个不同番茄品种进行分类。结果表明,无论化学计量学方法如何,对于所有番茄品种,两个独立测试集的分类准确率都非常高,范围从94%到100%。PLS-DA和SVM-DA校准模型的总体分类错误率分别为3.2%和0.4%。结果表明,可见-近红外光谱有可能用于番茄种子品种的无损鉴别,并有机会将其纳入植物遗传资源管理、植物品种保护或登记方案。
图1.捕获的五个番茄种子品种的多光谱图像。(a)蓝色背景分割后的图像;种子上的白边显示ROI的选择(b);525nm下的种子图像(c)
来自五个番茄品种种子的Vis-NIR光谱数据显示出变化,但在每个波长上表现出相似的反射趋势(图 2)。光谱的变化表明番茄品种在番茄种子的物理和化学特性方面存在差异。可见光范围的变化可归因于种子样品的颜色,而NIR区域的变化是由于品种种子的化学差异所致。这些光谱变化表明 Vis-NIR 可用于定性使用化学计量学方法进行分类。PCA 最初是在 Vis-NIR 光谱上进行的,没有任何数据预处理,以探索番茄品种的可能聚类并识别可能的异常值。然而,没有观察到番茄品种之间的明显区别(数据未显示)。这并不奇怪,因为种子的光谱特性可能会影响光散射、粒度分布和与入射光束对齐等物理现象,这些现象会给数据增加噪声。因此,数学数据预处理算法 SNV 和 detrend 用于消除或最小化物理效应以进行进一步数据分析。对预处理的 Vis-NIR 光谱执行的 PCA 显示校准集中很少有异常值(数据未显示)。然而,去除异常值并没有改进模型,它们随后被保留用于分类模型的进一步开发。图 3 显示了使用前三个得分向量 PC 1、PC 2 和 PC 3 的三维主成分 (PC) 得分图,它们贡献了 96.5% 的大部分光谱变化,即分别为47.8%、42.6% 和 6.1%。它显示了相同栽培品种的种子样本的聚类,尽管观察到栽培品种的聚类之间存在一些重叠。结果表明,根据种子的反射率可以区分五种番茄品种。此外,这意味着来自样品的不同光谱属性可以与来自每个栽培品种的种子的特征相关联。
图2.从19个波长的种子图像的 ROI 中提取的五个番茄品种的平均 Vis-NIR 光谱。375nm至700nm的波长来自可见光范围,780nm至970nm的波长来自NIR区域 (a);番茄种子的平均SNV和detrend预处理可见-近红外光谱(b)
PLS-DA模型
利用六个LVs建立了PLS-DA模型对番茄品种进行分类。开发的PLS-DA模型解释了99.7%的可见-近红外光谱变化,其中96.4%的变化信息来自前三个LV。该模型能够以3.2%的总体分类ER对校准集的所有品种进行分类,HRD17和CL的最小ER分别为0.3%和0.8%。校准模型在分类品种BL410、Care Nepal和T9时相对较差,因为每个品种的误分类率较高,并且对总体ER有显著贡献。这可能是合理的,因为在探索性分析中发现这三个品种的集群重叠(图3)。然而,该模型能够预测样本的测试集,两个测试集的分类准确率为94%至100%。在两个试验组中,误分类种子的比例几乎相似。图4显示了测试集1的PLS-DA模型的分类精度。测试集1和测试集2的总体ERs也一致,分别为1.8%和2.1%。此外,对于CL和HRD17具有绝对分类的所有品种,模型的敏感性,即正确识别属于该类别的阳性样本的能力,合理地更高。该模型的特异性,即拒绝所有其他品种样品的能力,也足够高,与正确分类样品的能力非常相似,这表明该模型的稳健性。总的来说,PLS-DA显示了可见-近红外光谱数据对番茄品种种子分类的潜力。
图3.前三个主成分(PC)得分图显示了五个番茄品种对它们的群体成员的聚类。括号中的值表示各个 PC 中包含的变化信息
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