Multispectral and X-ray images for characterization of Jatropha curcas L. seed quality
期刊：PLANT METHODS 影響因子：4.993
用于表征麻瘋樹(shù)種子質(zhì)量的多光譜和 X 射線圖像
 

摘要：基于現(xiàn)代種子工業(yè)的強(qiáng)大光譜空間傳感器，在最先進(jìn)的技術(shù)中開(kāi)發(fā)了創(chuàng)新方法。在這項(xiàng)研究中，我們提出了一種基于多光譜成像結(jié)合機(jī)器學(xué)習(xí)算法對(duì)麻瘋樹(shù)種子健康進(jìn)行分類(lèi)的新方法。此外，我們首次提出了一種基于磁共振成像 (MRI) 的方法來(lái)識(shí)別感染不同病原真菌的麻瘋樹(shù)種子的解剖學(xué)變化。首先，將種子人工接種Lasiodiplodia theobromae、Colletotrichum siamense和Colletotrichum truncatum，培養(yǎng)24、48、72、96、120、144和168 h后獲取多光譜圖像。使用培養(yǎng)的種子應(yīng)用 MRI 方法 168 小時(shí)。我們的結(jié)果表明，多光譜成像技術(shù)與統(tǒng)計(jì)模型相結(jié)合，具有在孵化 48 小時(shí)后區(qū)分麻瘋樹(shù)種子中不同真菌種類(lèi)的潛力，且準(zhǔn)確度高（>80%）。所提出的 MRI 方法可以識(shí)別受可可豆、暹羅念珠菌和截形念珠菌感染的胚乳組織中的不同損傷模式。因此，多光譜成像和 MRI 可以成為快速準(zhǔn)確檢測(cè)麻瘋樹(shù)種子中不同真菌種類(lèi)的有用工具。

圖 1 顯示了健康種子和用 L. theobromae、C. siamense 和 C. truncatum 培育的種子類(lèi)別中 19 個(gè)波長(zhǎng)的平均光譜。 在可見(jiàn)光區(qū)域（405-690 nm），健康種子顯示出類(lèi)似于與可可豆溫育的種子組相似的光譜特征。 但是，在整個(gè)光譜中，C. siamense 和 C. truncatum 的類(lèi)別之間存在明顯的區(qū)別，特別是在孵育 96、120、144 小時(shí)后（圖 1e、f、g）。在 NIR 區(qū)域，健康種子顯示出不同的特征模式，與真菌感染的種子相比，在 940 和 970 nm 處具有更高的反射率趨勢(shì)，以及更高的標(biāo)準(zhǔn)偏差值（圖 1i）。 同時(shí)，UV 波段（365 nm）內(nèi)的反射率平均值顯示出與每組內(nèi)平均值的較小標(biāo)準(zhǔn)偏差。

圖1. 每個(gè)感興趣區(qū)域內(nèi)的平均光譜圖 - ROI（n = 231 顆麻瘋樹(shù)種子）在 19 個(gè)波長(zhǎng)下，用于健康種子和感染 Lasiodiplodia theobromae、Colletotrichum siamense 和 Colletotrichum truncatum 的種子類(lèi)別
 

還應(yīng)用了 PCA 方法，以確定使用多光譜成像區(qū)分健康種子和真菌感染種子的理想時(shí)刻（圖 2a）。 前兩個(gè)主要成分（PC1 和 PC2）分別解釋了健康種子和感染 L. theobromae、C. siamense 和 C. truncatum 的種子之間光譜變化的 68.0%、64.5% 和 75.1%。 圖 2b 顯示了變量（即潛伏期）對(duì) PC1 和 PC2 的貢獻(xiàn)，紅色虛線表示最有助于區(qū)分健康種子和真菌感染種子的變量的截止值。 最高貢獻(xiàn)顯示在 48、72 和 168 小時(shí)，健康種子和感染 L. theobromae、C. siamense 和 C. truncatum 的種子分別得到更好的分離。 在這些時(shí)期，選擇 RBG 圖像和 CDA 算法轉(zhuǎn)換的圖像來(lái)說(shuō)明不同種子類(lèi)別的光譜模式（圖 2c）。

圖2. 在孵化 24、48、72、96、120、144 和 168 小時(shí)后，使用來(lái)自健康種子和接種 Lasiodiplodia theobromae、Colletotrichum siamense 和 Colletotrichum truncatum 的種子的多光譜反射率數(shù)據(jù)的主成分分析 (PCA) 雙圖
 

使用基于 LDA 算法的不同數(shù)據(jù)聚類(lèi)再次評(píng)估模型的性能（圖 3a 和 b）。 前三個(gè)線性判別式（LD1、LD2 和 LD3）分別解釋了組間光譜差異的 57%、25% 和 16%。 健康種子組與受真菌感染的種子組有相當(dāng)大的距離可明顯區(qū)分，C. 暹羅”和“C. 截?cái)?rdquo;，在模型中表現(xiàn)出更多的分類(lèi)錯(cuò)誤。 在 UVA 區(qū)域（365 nm）獲得的反射率數(shù)據(jù)對(duì)分類(lèi)的貢獻(xiàn)最大，而 NIR 區(qū)域的波長(zhǎng)對(duì)模型的貢獻(xiàn)較�。▓D 3c）。

圖3. 線性判別式 LD1 和 LD2 (a) 以及 L1 和 LD3 (b) 的圖基于在 19 個(gè)波長(zhǎng)（365 至 970 nm）處獲得的健康種子和感染 Lasiodiplodia theobromae、Colletotrichum siamense 和 Colletotrichum truncatum 的種子的反射率數(shù)據(jù)