欧亚国际

Videometer Lab4多光谱种子表型成像系统是丹麦理工大学与丹麦Videometer公司开发，是用于种子研究先进的多光谱表型成像设备，典型客户为ISTA国际种子检验协会、ESTA欧洲种子检验协会、John Innes Centre、LGC化学家集团、奥胡斯大学等等，利用该系统发表的文章已经超过300篇。

Videometer种子表型表型成像系统可测量种子如尺寸、颜色、形状等，间接测定种子参数如种子纯度、发芽百分比、发芽率、种子健康度、种子成熟度、中寿命等。种子活力综合种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和（发芽和出苗期间的活性水平与行为），是种子品质的重要指标，具体包括吸涨后旺盛的代谢强度、出苗能力、抗逆性、发芽速度及同步性、幼苗发育与产量潜力。种子活力是植物的重要表型特征，传统检测方法包括低温测试、高温加速衰老测试、幼苗生长测定等。

该系统也可以对细菌、虫卵、真菌等进行高通量成像测量，进行病理学、毒理学或其它研究。对于拟南芥等冠层平展的植物，可以进行自动的叶片计数等。

多光谱成像（MSI）已成为种子鉴定中一种新的快速无损检测方法。以往的研究通常集中于MSI数据分析中的单一模型，该模型总是采用所有特征，并增加了效率风险和系统成本风险。在本研究中，我们开发了一个堆叠集成学习（SEL）模型，用于成功识别镰刀苜蓿（Medicago falcata）、杂交苜蓿和紫花苜蓿的单个种子。SEL采用三层结构，即0级，以主成分分析（PCA）、线性判别分析（LDA）和二次判别分析（QDA）作为降维和特征提取（DRFE）模型；1级，支持向量机（SVM）、多元逻辑回归（MLR）、具有弹性网正则化的广义线性模型（GLMNET）和极限梯度增强（XGBoost）作为基础学习级；三级，XGBoost作为元学习者。研究确认，基于光谱特征以及形态学和光谱特征的组合，SEL模型的总体准确度、kappa、精密度、敏感性、特异性和敏感性值均显著高于单独的基本模型。此外，我们还开发了特征过滤过程，并成功地从33个特征中选择了5个最佳特征，这些特征对应于种子中叶绿素、花青素、脂肪和水分的含量。在MSI数据分析中的SEL模型为种子识别提供了一种新的方法，并且特征滤波过程可能广泛用于低成本和窄通道传感器的开发。 

关键词：镰刀苜蓿、杂交苜蓿和紫花苜蓿、种子识别、叠加集成学习、多光谱成像

Sensors (Basel). 2022 Oct; 22(19): 7521. 

Single Seed Identification in Three Medicago Species via Multispectral Imaging Combined with Stacking Ensemble Learning

Zhicheng Jia, Ming Sun, Chengming Ou, Shoujiang Sun, Chunli Mao, Liu Hong, Juan Wang, Manli Li, Shangang Jia, and Peisheng Mao* 

Abstract

Multispectral imaging (MSI) has become a new fast and non-destructive detection method in seed identification. Previous research has usually focused on single models in MSI data analysis, which always employed all features and increased the risk to efficiency and that of system cost. In this study, we developed a stacking ensemble learning (SEL) model for successfully identifying a single seed of sickle alfalfa (Medicago falcata), hybrid alfalfa (M. varia), and alfalfa (M. sativa). SEL adopted a three-layer structure, i.e., level 0 with principal component analysis (PCA), linear discriminant analysis (LDA), and quadratic discriminant analysis (QDA) as models of dimensionality reduction and feature extraction (DRFE); level 1 with support vector machine (SVM), multiple logistic regression (MLR), generalized linear models with elastic net regularization (GLMNET), and eXtreme Gradient Boosting (XGBoost) as basic learners; and level 3 with XGBoost as meta-learner. We confirmed that the values of overall accuracy, kappa, precision, sensitivity, specificity, and sensitivity in the SEL model were all significantly higher than those in basic models alone, based on both spectral features and a combination of morphological and spectral features. Furthermore, we also developed a feature filtering process and successfully selected 5 optimal features out of 33 ones, which corresponded to the contents of chlorophyll, anthocyanin, fat, and moisture in seeds. Our SEL model in MSI data analysis provided a new way for seed identification, and the feature filter process potentially could be used widely for development of a low-cost and narrow-channel sensor. 

Keywords: M. falcata, M. varia, M. sativa, seed identification, stacking ensemble learning, multispectral imaging

相关阅读

Videometer种子表型组学:种子活力研究-荧光成像

植物病害表型组学：多光谱病害指纹图谱

Videometer种子表型组学：多光谱成像作为菠菜种子健康检测的潜在工具

Videometer种子表型组学：多光谱图像分析在种子种质库管理中的应用

Videometer种子表型组学：利用可见光、近红外多光谱和化学计量学对不同番茄种子品种的分类

Videometer种子表型组学：使用多光谱成像和化学计量学方法在线鉴别水稻种子

Videometer种子表型组学：使用多光谱成像预测蓖麻种子的活力

Videometer种子表型组学：甜菜种子加工损伤的多光谱图像分类

种子表型组学：基于多光谱成像的葵花籽品质特征识别

种子表型组学：利用多光谱成像和化学计量学方法对大豆种子进行无损鉴别

种子表型组学：Videometer多光谱成像种子质量评估的新工具

种子表型组学：聚合物包衣对水稻种子萌发的影响

种子表型组学：基于可见-近红外多光谱图像数据的偏最小二乘判别分析检测菠菜种子的发芽能力和胚芽长度

种子表型组学：使用灰度共生矩阵和机器学习技术识别单倍体玉米种子

种子表型组学：不同成熟度甜菜种子发芽抑制因子去除的优化

种子表型组学：通过射线照相和多光谱图像分析测定小麦种子中的侵染

种子表型组学：用于表征麻疯树种子质量的多光谱和X射线图像

种子表型组学：盐胁迫下九个高羊茅品种的种子萌发和幼苗生长参数

种子表型组学：多光谱成像结合机器学习判别辣椒种子品种

种子表型组学：叶绿素荧光作为花生种子品质评价的新标志物

种子表型组学：基于多光谱和共振成像技术的麻疯树种子健康分析新方法

种子表型组学：多光谱成像结合多变量分析的单株紫花苜蓿种子品种鉴别

基于机器学习和多光谱成像分类的茄子种子分类方法研究

种子表型组学：通过多光谱成像分析对自然老化的紫花苜蓿种子进行无损鉴定

种子表型组学：自动荧光光谱成像作为一种快速、无损和可靠地评估大豆种子质量的创新方法

种子表型组学：一种利用新兴光学技术和人工智能的方法作为新标记评估花生种子质量

种子表型组学：用多光谱成像检测黑燕麦种子中的德雷克斯孢菌

种子表型组学：多光谱成像结合机器学习方法快速无损检测玉米中玉米赤霉烯酮

种子表型组学：多光谱成像如何无损检测苜蓿种子活力表型？

种子表型组学：基于多光谱成像技术快速无损检测紫花苜蓿人工老化种子