通過多光譜成像分析對六種豆科植物單顆硬種子進行無損識別

瀏覽次數(shù)：1311　發(fā)布日期：2022-4-15　來源：本站　僅供參考，謝絕轉(zhuǎn)載，否則責任自負

通過多光譜成像分析對六種豆科植物單顆硬種子進行無損識別

摘要

背景：物理休眠（硬種子）發(fā)生在豆科的大多數(shù)物種中，不僅對生態(tài)適應有重大影響，而且對這些物種的農(nóng)業(yè)實踐也有重大影響。一種快速、無損和現(xiàn)場篩選方法來檢測物種內(nèi)的硬種子對于保持種子活力和種質(zhì)儲存以及了解種子對各種環(huán)境的適應至關(guān)重要。在這項研究中，評估了多光譜成像與對象多變量圖像分析的潛力，作為一種識別金合歡、東方Galega 、光果甘草、紫花苜蓿、苜蓿和 Thermopsis lanceolata 中硬種子和軟種子的方法。應用主成分分析 (PCA)、線性判別分析 (LDA) 和支持向量機 (SVM) 方法根據(jù)其形態(tài)特征和光譜特征對硬種子和軟種子進行分類。

結(jié)果：通過多光譜成像分析識別模型的性能因物種而異。對于M. officinalis、M. sativa 和 G. orientulis，可以在獨立的驗證數(shù)據(jù)集中實現(xiàn)出色的分類。LDA模型具有最佳的校準和驗證能力，對 M.sativa 的準確度高達90%。SVM對M.officinalis和G. orientulis的分類準確率分別為91.67%和87.5%，獲得了優(yōu)異的種子識別結(jié)果。然而，LDA和SVM模型都未能區(qū)分A. seyal、G.glabra和T. lanceolate中的硬種子和軟種子。

結(jié)論：多光譜成像結(jié)合多變量分析可能是一種有前途的技術(shù)，可以高效地識別某些豆科植物中的單個硬種子。在未來的研究中需要研究更多具有物理休眠的豆科植物，以擴展多光譜成像技術(shù)的使用。

關(guān)鍵詞：硬種子，豆科植物，多光譜成像，多變量分析

除A.seyal外，光譜分析顯示其他5個物種的硬種子和軟種子在平均反射率方面存在顯著差異（圖 2）。對于M.sativa和M. officinalis，軟種子在整個波長范圍內(nèi)的反射率明顯高于硬種子。與M.sativa和M.officinalis 一致，G. glabra 的軟種子也表現(xiàn)出比硬種子更高的反射率，而僅在405nm至590nm和850nm至970nm 的光譜范圍內(nèi)觀察到統(tǒng)計顯著性。與上圖相反，東方菖蒲軟種子在515~570 nm光譜范圍內(nèi)的反射率明顯低于硬種子，而在660~970 nm光譜范圍內(nèi)則呈現(xiàn)相反的趨勢。T. lanceolate 在除970nm以外的整個光譜范圍內(nèi)的反射率均未檢測到顯著差異。

圖1.六種硬軟種子圖片

圖2.硬種子和軟種子中19個波長(nm)的平均光反射率

每個性狀對跨物種LDA模型的貢獻存在很大差異（圖 3）。對于M. sativa，緊密度圓解釋了總變化的11.7%，其次是垂直偏度(10.8%)、色調(diào) (9.2%)、490 nm (7.9%) 和 515 nm (7.1%)。對于 M. officinalis，垂直偏度解釋了總變化的 29.7%，其次是緊致橢圓（17.1%）、BetaShape b（16.3%）、BetaShape a（14.3%）和寬度/長度比（4.4%））。同樣，對于 M. officinalis，垂直偏度解釋了 G. orientulis 總變異的 32.0%，其次是 BetaShape b (21.2%)、BetaShape a (19.9%)、緊湊橢圓 (9.5%) 和色調(diào) (2.8%)（圖3）。與LDA 模型一致，SVM 模型在對硬種子和軟種子進行分類方面的性能因物種而異。 SVM模型對M. officinalis、M. sativa和G. orientulis的獨立驗證數(shù)據(jù)集的種子分類平均準確率分別高達91.67%、89.17%和87.5%。