基于高光谱成像技术的西瓜种子活力等级分类方法研究

doi:10.15933/j.cnki.1004-3268.2022.09.016

河南农业科学 ›› 2022, Vol. 51 ›› Issue (9): 151-158.DOI: 10.15933/j.cnki.1004-3268.2022.09.016

• 农业信息与工程·农产品加工 • 上一篇下一篇

基于高光谱成像技术的西瓜种子活力等级分类方法研究

杨波¹，段明磊^2,3，杨童^2,3

（1.重庆对外经贸学院，重庆 401520；2. 南方农业机械与装备关键技术教育部重点实验室，广东广州 510642；3.华南农业大学工程学院，广东广州 510642）

收稿日期:2022-04-21 出版日期:2022-09-15 发布日期:2022-11-18
通讯作者: 段明磊（1986-），男，广东肇庆人，研究员，博士，主要从事光电检测技术研究。E-mail：sciencehan1122@126.com
作者简介:杨波（1984-），男，重庆人，高级实验师，本科，主要从事物联网研究。E-mail：nnanbo@163.com
基金资助:
国家自然科学基金重点项目（51939005）

Research on the Classification Method of Watermelon Seed Vigor Level Based on Hyperspectral Imaging Technology

YANG Bo¹，DUAN Minglei^2,3，YANG Tong^2,3

（1.Chongqing Institute of Foreign Trade and Economic Cooperation，Chongqing 401520，China；2.Key Laboratory of Southern Agricultural Machinery and Equipment Key Technology of the Ministry of Education，Guangzhou 510642，China；3.College of Engineering，South China Agricultural University，Guangzhou 510642，China）

Received:2022-04-21 Published:2022-09-15 Online:2022-11-18

摘要/Abstract

摘要： 为了探讨水果种子不同活力等级的判别方法，以西瓜种子为研究对象，建立基于偏最小二乘判别（PLS-DA）、极限学习机（ELM）的高光谱图谱信息种子活力判别模型。首先，提取光谱信息，建立西瓜种子活力等级的光谱定性分析模型，结果表明，特征变量筛选方法UVE（无信息变量消除）结合建模方法PLS-DA得到的效果较好，分类正确率为100.00%，相关系数为0.86。其次，选取图像PC1权重系数，提取波长点为685、790、826、836、855 nm的特征图像，计算平均灰度值，建立基于图像特征的种子活力等级定性分析模型。结果表明，PLS-DA的误判率为6.67%，相关系数为0.85，优于ELM检测模型的误判率（10.00%）和相关系数（0.83）。高光谱成像技术的光谱和图像信息都能较好区分种子的活力等级，但基于光谱信息建立的判别模型优于基于图像特征建立的判别模型。

关键词: 西瓜种子, 高光谱成像, 贮存期, 特征图像, 光谱

Abstract: In order to explore the discrimination methods of different vigor levels of fruit seeds，hyperspectral mapping models based on partial least⁃squares discriminant analysis（PLS⁃DA）and extreme learning machine（ELM） were developed for vigor discrimination of watermelon seeds. Firstly，the spectral information was extracted to build a spectral qualitative analysis model of watermelon seed vigor class，and the results showed that the UVE characteristic variables screening method combined with the PLS⁃DA modeling method obtained better results，with a correct classification rate of 100.00% and a correlation coefficient of 0.86. Next，the image PC1 weighting coefficients were selected，the feature images with wavelength points of 685，790，826，836，855 nm were extracted，the average gray value was calculated，and the qualitative analysis model of seed viability level based on image features was established.The results showed that the false discrimination rate of PLS⁃DA was 6.67% and the correlation coefficient was 0.85，which was better than the false discrimination rate of ELM detection model（10.00%）and the correlation coefficient（0.83）.Both hyperspectral spectrum and image information could better distinguish seed vigor classes，but the discriminative model built by spectral information was better than the discriminative model built by image features.

Key words: Watermelon seed, Hyperspectral imaging, Storage period, Characteristic image, Spectrum

中图分类号:

杨波, 段明磊, 杨童. 基于高光谱成像技术的西瓜种子活力等级分类方法研究[J]. 河南农业科学, 2022, 51(9): 151-158.

YANG Bo, DUAN Minglei, YANG Tong. Research on the Classification Method of Watermelon Seed Vigor Level Based on Hyperspectral Imaging Technology[J]. Journal of Henan Agricultural Sciences, 2022, 51(9): 151-158.

参考文献

［1］闫蕴韬，何兮，张海清，等.水稻种子耐贮性研究进展［J］.中国农学通报，2022，38（5）：1⁃8.

YAN Y T，HE X，ZHANG H Q，et al.Research progress of rice seed storage tolerance［J］.Chinese Agricultural Science Bulletin，2022，38（5）：1⁃8.

［2］JIA L Q，ZHAI H G，HU W J，et al.Rapid and non⁃destructive grading detection of corn seed vigor using TDLAS technology［J］.Light，2019，5（21）：1⁃17.

［3］SUI X L，LI R G.Understanding the transmissibility of cucumber green mottle mosaic virus in watermelon seeds and seed health assays［J］.Plant Disease，2019，103（6）：1126⁃1131.

［4］MOHAMED D K，NEBAHAT S.Rootstock effects on seed yield and quality in watermelon［J］.Horticulture Environment and Biotechnology，2019，60（3）：303⁃312.

［5］CHU F H，CHAO C H，CHUNG M H，et al.Completion of the genome sequence of watermelon silver mottle virus and utilization of degenerate primers for detecting tospoviruses in five serogroups［J］.Phytopathology，2001，91（4）：361⁃368.

［6］MAPOKA K O M，BIRRELL S J，TEKESTE M，et al.A comprehensive survey of nondestructive sensing technologies for the detection of corn seeds in a closed trench and measuring planting depth to augment the conventional method［J］.Computers and Electronics in Agriculture，2019，158：249⁃257.

［7］LYDIA G，RICHARD W H，KEN M，et al.Full spectrum X⁃ray mapping reveals differential localization of salt in germinating seeds of differing salt tolerance ［J］.Botanical Journal of the Linnean Society，2013，173（1）：129⁃142.

［8］JANNAT Y，MOHAMMED R A，SANTOSH L，et al.Classification method for viability screening of naturally aged watermelon seeds using FT⁃NIR spectroscopy［J］.Sensor，2019，19（5）：2⁃14.

［9］YU D，CHENG W M，WANG Q，et al.Establishment of rice seed component analysis model based onnear infrared spectroscopy［J］.Light Scattering Report，2015，27（4）：384⁃389.

［10］WANG Z L，ZHANG Y F，FAN S X，et al.Determination of moisture content of single maize seeds by using long⁃wave near⁃infrared hyperspectral imaging（LWNIR）coupled with UVE⁃SPA combination variable selection method［J］.IEEE Access，2020，8：195229⁃195239.

［11］孙俊，张林，周鑫，等.采用高光谱图像深度特征检测水稻种子活力等级［J］.农业工程学报，2021，37（14）：171⁃178.

SUN J，ZHANG L，ZHOU X，et al.Detection of rice seed vigor grade by hyperspectral image depth characteristics ［J］.Transactions of the Chinese Society of Agricultural Engineering，2021，37（14）：171⁃178.

［12］POLDER G，BLOK P M.Potato virus Y detection in seed potatoes using deep learning on hyperspectral images［J］.Frontiers in Plant Science，2019，10：576⁃582.

［13］HERZIG P，BACKHAUS A，SEIFFERT U，et al.Genetic dissection of grain elements predicted by hyperspectral imaging associated with yield⁃related traits in a wild barley NAM population［J］.Plant Science，2019，5（8）：151⁃164.

［14］吴静珠，张乐，李江波，等.基于高光谱与集成学习的单粒玉米种子水分检测模型［J］.农业机械学报，2022，4（8）：1⁃11.
WU J Z，ZHANG L，LI J B，et al.Water detection model of single maize seed based on hyperspectral and integrated learning［J］.Transactions of the Chinese Society for Agricultural Machinery，2022，4（8）：1⁃11.
［15］张飞，罗华平，高峰，等.高光谱成像技术在水果品质无损检测中的研究现状［J］.新疆农机化，2021（6）：18⁃21.
ZHANG F，LUO H P，GAO F，et al.Research status of hyperspectral imaging technology in nondestructive testing of fruit quality［J］.Xinjiang Agricultural Mechanization，2021（6）：18⁃21.
［16］胡静，黄金发，刘小丹，等.基于近红外光谱技术的猕猴桃品质检测研究进展［J］.食品研究与开发，2022，43（2）：196⁃201.
HU J，HUANG J F，LIU X D，et al.Progress in quality detection of kiwifruit based on near infrared spectroscopy［J］. Food Research and Development，2022，43（2）：196⁃201.
［17］王巧华，马逸霄，付丹丹.基于光谱技术的禽蛋内部品质无损检测研究进展［J］.华中农业大学学报，2021，40（6）：220⁃230.
WANG Q H，MA Y X，FU D D.Advances in nondestructive testing of internal quality of poultry eggs based on spectral technology［J］.Journal of Huazhong Agricultural University，2021，40（6）：220⁃230.
［18］张淑娟，高庭耀，任锐，等.基于X射线成像与卷积神经网络的核桃内部品质检测［J］.农业机械学报，2022，53（1）：383⁃388.
ZHANG S J，GAO T Y，REN R，et al.Detection of walnut internal quality based on X⁃ray Imaging and convolutional neural network［J］.Transactions of the Chinese Society for Agricultural Machinery，2022，53（1）：383⁃388.
［19］张文文，曹盛，陆宁.响应面法优化西瓜子油的提取工艺研究［J］.食品工业科技，2011，32（7）：304⁃307.
ZHANG W W，CAO S，LU N.Optimization of extraction technology of watermelon seed oil by response surface method［J］.Science and Technology of Food Industry，2011，32（7）：304⁃307.
［20］SHAO Y Y，XUAN G T，HU Z C，et al.Determination of the bruise degree for cherry using Vis⁃NIR reflection spectroscopy coupled with multivariate analysis［J］.PLoS One，2019，14（9）：1⁃13.
［21］尹勇，储涛涛，张宏.水果品质的无损检测技术研究进展［J］.广西农业机械化，2021（5）：31⁃33.
YIN Y，CHU T T，ZHANG H.Research progress of nondestructive testing technology for fruit quality［J］.Guangxi Agricultural Mechanization，2021（5）：31⁃33.
［22］BIAN H，SHI P，TU P.Determination of physicochemical quality of bruised apple using dielectric properties［J］.Journal of Food Measurement and Characterization，2020，14（5）：2590⁃2599.

[1]	李粉粉, 王爱霞, 赵晨, 白涛, 毛岚, 张豹林, 李生栋, 宋朝鹏, 王涛. 基于高光谱成像技术的鲜烟叶叶位识别方法[J]. 河南农业科学, 2024, 53(2): 144-151.
[2]	徐丽，杨杰，王运祥，叶晋涛，马本学，吕琛. 采后葡萄可溶性固形物含量的高光谱成像检测研究[J]. 河南农业科学, 2017, 46(3): 143-147.
[3]	何春玫;林莹;李红梅. 栽培环境及贮存期对番茄果实内番茄红素含量的影响[J]. 河南农业科学, 2010, 39(5): 93-100.

基于高光谱成像技术的西瓜种子活力等级分类方法研究

Research on the Classification Method of Watermelon Seed Vigor Level Based on Hyperspectral Imaging Technology

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 3

编辑推荐

Metrics