利用VideometerLab多光譜成像系統(tǒng)對甜菜種子加工損傷進行成像分類
單胚甜菜種子的果皮在加工過程中會被磨去，以便生產出大小均勻的種子，為制粒做好準備。這一過程可能導致機械損傷，從而導致加工種子的質量下降。機械損傷的識別和損傷嚴重程度的分類是很重要的，而且目前非常耗時，因為需要使用訓練有素的分析員進行目視檢查。本研究旨在通過評估機器視覺技術對單胚甜菜種子的五種損傷類型進行分類，尋找替代的種子質量評估方法。多光譜成像（MSI）采用VideometerLab3儀器和儀器軟件。MSI衍生數據的統(tǒng)計分析產生了一個模型，該模型對五個損傷類別中的200個種子進行分類，平均準確率為82%。第一類包含有可能產生良好幼苗的種子，該模型的設計旨在對該類種子進行更多限制。分類精度一至五級的比例分別為59%、100%、77%、77%和89%�；谶@些結果，我們得出結論，基于MSI的甜菜種子機械損傷分類是未來種子質量評估的潛在工具。
圖1.甜菜種子的五種損傷等級(a-e)
加工過程中的機械損傷可能會影響種子質量和發(fā)芽率，并且發(fā)現幼苗活力與這種損傷相關。在這項研究中，對甜菜種子的五種不同類型的損害進行了評估（圖1）。種皮可能會被損壞而不影響實際的種子和/或胚（圖 1a），或者拋光操作可能會嚴重壓碎胚，使正常幼苗沒有機會發(fā)育（圖1（e1-e5））。
五種損壞等級的平均光譜來自VideometerLab 儀器中使用的19個波長（圖 2）。一般來說，平均光譜在可見光波長區(qū)域（低于 709 nm）顯示出非常小的多樣性，而在近紅外 (NIR) 波長中發(fā)現更多的多樣性。使用甜菜種子的原始圖像對損害類型進行分類并不是一項現成的任務；然而，根據 19 個變量開發(fā)的設計模型提供了一種對甜菜種子加工損傷進行分類的方法。圖 1 中 RGB 圖像的最終轉換如圖 3 所示。盡管類別在顏色、紋理和形狀上相似，但該模型通過強調內部種皮和胚胎損傷的嚴重程度來對損傷進行分類。
圖2.甜菜五個損傷等級（1-5）中19個波長（nm）的平均光譜（百分比）
圖3顯示了五種損傷等級的nCDA轉換圖像。變換圖像中的藍色范圍表示種子的暗部分，紅色范圍表示亮部分。高強度紅色區(qū)域顯示胚胎的可能受損部分或外種皮的內部部分。因此，紅色的位置和數量是損傷等級的指示器。
圖3.甜菜種子機械損傷等級(1-5) 的 nCDA 轉換圖像
通過使用因子分析中的標準化評分系數，對MSI轉換模型中的數據進行統(tǒng)計分析，得出了來自分類模型的四個顏色變量的高度影響。將該模型應用于18個不同品種的200粒種子，結果正確163粒，錯誤37粒，準確率為82%。在本文的研究中，從圖1中觀察到，2級和3級損傷（圖1b，c）之間的差異可能是種子表面非常小的斷裂。在18個品種中，預測精度在67%到100%之間（圖4）。有10個品種的分類正確率超過80%，兩個品種的預測準確率低于70%。這種預測準確性的變異可能是由品種間種子結構的差異造成的，導致對加工損傷的不同易感性，并且一些品種通常只有很難識別的小損傷。此外，品種間果皮顏色的差異也影響預測的準確性。
