摘要：由于難以獲得用于幼葉生產(chǎn)的菠菜種子的均勻發(fā)芽，因此研究了對(duì)從菠菜種子的多光譜圖像中提取的特征使用偏最小二乘判別分析(PLS-DA) 的可能性。目的是區(qū)分不同的種子大小，以及預(yù)測(cè)發(fā)芽能力和胚芽長(zhǎng)度。拍攝了包括小、中、大種子在內(nèi)的300顆種子的圖像，并檢查了種子的發(fā)芽能力和胚芽長(zhǎng)度。PLS-DA 載荷圖用于將多維圖像特征減少到幾個(gè)重要特征。 PLS-DA預(yù)測(cè)產(chǎn)生了一個(gè)獨(dú)立的測(cè)試集，不僅可以區(qū)分種子大小，還可以證明發(fā)芽能力和胚芽長(zhǎng)度如何根據(jù)種子大小而變化。結(jié)果表明，與較小的種子相比，較大的種子具有顯著更高的發(fā)芽潛力和胚芽長(zhǎng)度。投影方法的可變重要性表明近紅外 (NIR) 波長(zhǎng)區(qū)域?qū)Πl(fā)芽可預(yù)測(cè)性很重要。然而，當(dāng)僅使用 NIR 區(qū)域時(shí)，PLS-DA 模型并沒(méi)有改善。
 

關(guān)鍵詞：PLS-DA；發(fā)芽能力；胚芽長(zhǎng)度；分類; VIS-NIR 成像；菠菜種子；種子大小
 

圖1.395nm（左）和 910 nm（右）的灰度圖像
 

在19個(gè)不同光譜帶的范圍內(nèi)捕獲了1280x960個(gè)像素的圖像。圖1顯示了在395nm（左）和910 nm（右）下捕獲的包含 25 個(gè)中等大小菠菜種子的圖像。只有圖像中的種子是感興趣的，因此執(zhí)行的第一步是分離種子從背景（濾紙），使用閾值進(jìn)行分割。下一步是使用基于灰度共生矩陣(GLCM)的灰度統(tǒng)計(jì)和Haralick紋理特征從每個(gè)圖像（每個(gè)波長(zhǎng)/波段一個(gè)圖像）中提取特征。
 

圖2.峰態(tài)、最大值、平均值、中值、最小值和標(biāo)準(zhǔn)偏差數(shù)據(jù)（左）和角度、對(duì)比度、相關(guān)性、熵和逆數(shù)據(jù)（右）的偏最小二乘判別分析載荷（PLS1 與 PLS2）圖
 

基于兩個(gè)PLS-DA加載圖，均值、最大值和最小值特征是重要的灰度特征（圖 2，左），而對(duì)比度特征是重要的紋理特征（圖 2，右）。因此，決定開(kāi)發(fā)關(guān)于均值、最大值、最小值和對(duì)比度特征的 PLS-DA模型。
 

圖3.未發(fā)芽（左）、發(fā)芽時(shí)胚芽長(zhǎng)度在3到10毫米之間（中）和發(fā)芽時(shí)胚芽長(zhǎng)度大于10毫米（右）菠菜種子的投影(VIP)得分圖的變量重要性
 

在本研究中，VIP圖（圖 3）清楚地表明，NIR 波長(zhǎng)區(qū)域?qū)τ陬A(yù)測(cè)“未發(fā)芽”和“發(fā)芽長(zhǎng)度大于10毫米”很重要。這與菠菜的單種子NIR研究一致，其中NIR區(qū)域?qū)τ诎l(fā)芽和未發(fā)芽種子的分類很重要，準(zhǔn)確度為 90-98% 。因此，開(kāi)發(fā)僅使用 NIR 波長(zhǎng)區(qū)域的 PLS-DA 模型并檢查模型性能的改進(jìn)是顯而易見(jiàn)的。然而，僅使用 NIR 波長(zhǎng)區(qū)域并沒(méi)有改進(jìn) PLS-DA 模型（數(shù)據(jù)未顯示）。