用Videometer种子表型多光谱成像检测黑燕麦种子中的德雷克斯孢菌

传统的种子真菌检测方法费时费力，需要专门的分析员对种子上的致病真菌进行鉴定。将多光谱成像（MSI）与机器视觉相结合，作为检测黑燕麦种子中德雷克斯孢菌替代方法。种子接种德雷克斯孢菌，然后孵育24、72和120小时。在365至970 nm的光谱范围内，在19个波长下获得了未感染和感染种子的多光谱图像。利用种子图像的反射率、颜色和纹理特征，建立了基于线性判别分析（LDA）的分类模型。所开发的模型显示MSI在检测黑燕麦种子中的德雷克斯孢菌方面表现出很高的性能，尤其是使用孵化120小时的种子的颜色和纹理特征，独立验证的准确度为0.86。分类器的高精度表明，使用在紫外A区域（365 nm）捕获的图像的方法可以很容易地根据黑燕麦种子的健康状况对其进行分类，并且与传统方法相比，可以更快、更有效地获得结果。

Detection of Drechslera avenae (Eidam) Sharif [Helminthosporium avenae (Eidam)] in Black Oat Seeds (Avena strigosa Schreb) Using Multispectral Imaging

Abstract

Conventional methods for detecting seed-borne fungi are laborious and time-consuming, requiring specialized analysts for characterization of pathogenic fungi on seed. Multispectral imaging (MSI) combined with machine vision was used as an alternative method to detect Drechslera avenae (Eidam) Sharif [Helminthosporium avenae (Eidam)] in black oat seeds (Avena strigosa Schreb). The seeds were inoculated with Drechslera avenae (D. avenae) and then incubated for 24, 72 and 120 h. Multispectral images of non-infested and infested seeds were acquired at 19 wavelengths within the spectral range of 365 to 970 nm. A classification model based on linear discriminant analysis (LDA) was created using reflectance, color, and texture features of the seed images. The model developed showed high performance of MSI in detecting D. avenae in black oat seeds, particularly using color and texture features from seeds incubated for 120 h, with an accuracy of 0.86 in independent validation. The high precision of the classifier showed that the method using images captured in the Ultraviolet A region (365 nm) could be easily used to classify black oat seeds according to their health status, and results can be achieved more rapidly and effectively compared to conventional methods.

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