基于高光谱成像技术的栓皮栎种子活力检测机理与分类预测模型研究

Seed vigor is an important indicator of seed quality. Detection of Seed vigor is a necessary method to ensure the germination rate and production potential. The conventional methods, such as standard germination test, TTC quantitative analysis, are invasive and time-consuming. Several novel techniques including near-infrared and infrared thermography can detect the seed vigor without damage, however there are also some shortcomings, such as lack of information and the detection area are not large enough. Hyperspectral imaging technology is used to detect seed vigor of crop recently, but the detection mechanism is not clear without deep research..Quercus variabilis is one of the most important timber species in China. For now, traditional methods are mainly used in vigor detection of quercus variabilis seed while few new technologies have been applied. In this research, Quercus variabilis is selected as the experimental object, through analyzing the spectral features of hyperspectral images of seeds with different vigor during germinating to find out the rule of content change of their internal components, which can be used to reveal the detection mechanism of seed vigor with hyperspectral imaging technology. What is more, the classification model and prediction model of seed vigor will be established to achieve the purpose of fast and accurate detection..The contribution of this research will play a significant role on improving ecosystem stability and productivity of Quercus variabilis plantation, and also it has important theoretical significance for studying on vigor detection of other kind of seeds and practical significance for the development of fast vigor detection equipment.

种子活力是种子的重要品质，种子活力检测是保证出苗率和生产潜力的必要手段。传统的种子活力检测方法包括标准发芽试验、TTC定量分析等，存在着检测周期长，对种子有破坏性等问题；近红外光谱技术、红外热成像技术等新兴检测方法实现了无损检测，但也存在信息单一、检测区域不足等问题。高光谱成像技术在农作物种子活力检测上得到较多应用，但检测机理并不清晰。.栓皮栋是我国重要的造林用材树种之一，目前主要应用传统方法对其进行活力检测，新兴技术研究较少。因此本课题拟以栓皮栎为研究对象，通过分析种子内部成分的光谱特性，探明不同活力种子在萌发过程中成分变化规律，揭示高光谱成像技术检测种子活力的机理，并建立种子活力分类及预测模型，实现准确、快速的检测。.本研究对提高栓皮栎人工林生态系统的稳定性和生产力具有较为重要的作用，对其它种子活力检测的研究具有理论意义，对开发种子活力快速检测设备具有实践意义。

种子活力的无损检测在优化作物种植成本方面发挥着重要作用，所以建立一种快速、无损、高精度的种子活力检测方法对于保证种子质量、提高作物产量具有重要的生物学和经济学意义。栓皮栎种子是典型的拗性种子，自然条件下贮藏时间较短，本项目旨在应用高光谱成像技术实现栓皮栎种子活力的快速无损检测。通过人工老化模拟种子自然老化过程初步构造不同老化等级的样本，根据标准发芽实验结果将种子进一步划分为高活力、低活力和无活力。实现了高光谱图像采集系统(370nm-1042nm)的设计与搭建，从萌发0h开始，以1h为间隔连续采集11次数据，建立了不同活力种子的高光谱数据库。分析对比了不同活力种子的光谱响应并应用多远散射校正、标准正态变换等多种光谱预处理方法对光谱去噪。分别利用光谱数据和图像数据建立了栓皮栎种子活力快速判别模型，对比了多种机器学习和深度学习算法，结果表明深度学习结构对种子活力检测的能力优于机器学习算法，其中基于图像的模型效果最好。为了实现种子活力早期预测，构造了不同活力种子光谱随萌发时间的变化曲线，可以发现不同活力栓皮栎种子在萌发0h就有明显区分，而最优活力检测模型分析各萌发时间点模型的累计贡献率在萌发0h模型性能较优且所需数据较少，因此可以应用种子萌发0h的数据实现种子活力的早期预测。最终通过皮尔逊相关系数建立了光谱与种子内部水分、蛋白质、淀粉、脂肪、总糖含量的相关性分析，发现不同活力栓皮栎种子中蛋白质对850-1000nm的光谱变化最敏感。此外，应用高光谱成像技术对国槐、玉米、豌豆等种子的活力以及黄豆、松树等种子品种的识别进行了研究，也对桃仁种子的霉变无损检测进行了探索。截止目前，受该基金资助的论文共发表10篇，其中SCI论文7篇，EI论文2篇，授权软件著作权10项，培养3名博士研究生和3名硕士研究生。项目中使用的算法模型与得到的结论对种子活力的快速鉴别与早期预测具有重要意义，对于提高高光谱成像技术对不同物种、不同活力种子的无损检测能力具有参考价值。