基于多光谱图像的小麦种子形态和成分性状的自动化检测算法开发

作     者：李鸿岩 戴杰 周洁 闻桢杰 Phil Howell 周济 LI Hongyan;DAI Jie;ZHOU Jie;WEN Zhenjie;HOWELL Phill;ZHOU Ji

作者机构：南京农业大学前沿交叉研究院/工学院/作物表型组学交叉研究中心南京210095 英国国立农业植物研究所/剑桥作物研究中心英国剑桥CB3OLE 

出 版 物：《植物生理学报》 (Plant Physiology Journal)

年 卷 期：2024年第60卷第4期

页      面：739-752页

核心收录：

学科分类：08[工学] 09[农学] 080203[工学-机械设计及理论] 0901[农学-作物学] 0802[工学-机械工程] 

基　　金：英国生物技术与生物科学研究理事会英中合作伙伴项目(BB/R021376/1) 中央高校基本科研专项资金(JCQY201902) 国家自然科学基金项目(32070400) 

主　　题：种子形态分析 种子成分表征 多光谱成像技术 自动化图像处理 小麦 

摘      要：在全球气候变化加剧的背景下,小麦(Triticum aestivum)产量与中国粮食安全密切相关,因此,基于小麦种子外部形态与内部成分的快速、无损检测对高通量鉴定其品质和活力意义重大。针对当前种子检测通量及准确性的限制,本研究通过多学科融合,结合多光谱成像、计算机视觉、自动化图像处理等技术,开发了一种通过多光谱图像从近百粒种子中快速提取单粒、并在单粒尺度完成外部形态(如种子面积、长度、宽度与圆度等)和内部物质成分(如植物色素、淀粉、植物油脂与水分含量等)量化分析的算法。针对所选的15个小麦品种,算法对1 347粒种子形态性状的分析结果与人工测量结果间的决定系数(R2)为面积0.900 (RMSE=1.504)、长度0.981 (RMSE=0.188)、宽度0.911 (RMSE=0.795);对513粒种子的六个关键光谱波段的R2为0.973、0.970、0.983、0.953、0.891、0.893;以上P值均小于0.005。在此基础上,通过形态与光谱性状的聚类和主成分分析,本研究还构建了区分不同品种小麦种子的分类方法,进而探索了重要种子农艺性状(如种子破损区域及种胚检测等)的自动鉴选算法,为种子活力和品质的高通量检测研究提供了新思路和新方法。