自動熒光光譜成像作為一種快速、無損和可靠地評估大豆種子質(zhì)量的創(chuàng)新方法
摘要:在農(nóng)業(yè)工業(yè)中,基于快速和非破壞性方法的光學成像技術(shù)的進步有助于為不斷增長的人口增加糧食產(chǎn)量。本研究采用自發(fā)熒光光譜成像和機器學習算法來開發(fā)不同的模型,用于對人工老化后生理質(zhì)量不同的大豆種子進行分類。來自365/400 nm 激發(fā)-發(fā)射組合的自發(fā)熒光信號(與胚胎中的總酚類表現(xiàn)出完美的相關(guān)性)能夠有效地分離處理。此外,還可以證明自發(fā)熒光光譜數(shù)據(jù)與幾個質(zhì)量指標之間存在很強的相關(guān)性,例如早期發(fā)芽和種子對壓力條件的耐受性�;谌斯ど窠�(jīng)網(wǎng)絡(luò)、支持向量機或線性判別分析開發(fā)的機器學習模型在對不同質(zhì)量水平的種子進行分類時表現(xiàn)出較高的性能(0.99 準確度)�?傊�,我們的研究表明,大豆種子的生理潛力隨著濃度的變化而降低,并且可能在自發(fā)熒光化合物的結(jié)構(gòu)中。此外,改變種子的自發(fā)熒光特性會影響幼苗的光合作用裝置。從實用的角度來看,基于自發(fā)熒光的成像可用于檢查大豆種子組織光學特性的變化,并始終區(qū)分高活力和低活力的種子。
發(fā)芽率隨著種子老化而降低,尤其是在播種后5天(圖1)。雖然電導率(種子膜完整性的間接指標)在老化24小時和48 小時的種子中增加(圖1),但飽和鹽加速老化(SSAA)將種子分為兩組,即種子老化0和12小時與陳化24和48小時的種子。同時,傳統(tǒng)的人工老化(AA)進一步從老化的種子中切下未老化的種子。出苗試驗無法區(qū)分種子類別(圖1)。
圖1.非老化大豆種子和老化12、24和48小時種子的發(fā)芽和活力測試
種子的平均自發(fā)熒光光譜在365至540nm(470nm除外)的激發(fā)波長下較高(圖 3a)。在365/400nm、405/500nm和630/700nm激發(fā)發(fā)射組合下有效分離未老化種子;在這些組合中,365/400 nm 提供了對種子類別最精細的區(qū)分(圖3a)。帶寬之間的最高相關(guān)系數(shù)為:1.00(515/600 nm 對 540/600 nm)、0.99(430/500 nm 對 450/500 nm;630/700 nm 對 645/700 nm)和 0.97(405/500 nm vs 430/500;645/700 nm vs 660/700 nm)(圖 3b)。
圖3.使用來自不同激發(fā)-發(fā)射組合的自發(fā)熒光光譜數(shù)據(jù)比較非老化大豆種子和老化 12、24和48小時的種子類別
使用nCDA算法,通過去除異常觀察值來轉(zhuǎn)換結(jié)合365/400nm獲得的自發(fā)熒光圖像的像素值,從而可以計算修剪后的平均值。該技術(shù)有助于消除可能影響均值的異常值的影響,從而提供更真實的圖像。使用從紅色(0)到藍色(256)的假色代碼創(chuàng)建的像素到像素映射在圖像中顯示自發(fā)熒光強度,其中較高的像素值表示具有較高自發(fā)熒光的組織(圖 4)。盡管所有類別都顯示出相似的 RGB 圖像,但在存在種皮的情況下捕獲圖像時存在不同的自發(fā)熒光模式(圖 4a),其中老化24和48小時的種子表現(xiàn)出最低的自發(fā)熒光信號(較低的像素值))。然而,去除種皮后,所有種子類別都呈現(xiàn)出相似的自發(fā)熒光模式,而與老化期無關(guān)(圖 4b)。在第8天的發(fā)芽試驗中,存在種皮的種子自發(fā)熒光信號越低,幼苗性能越低(圖4c)。
圖4.來自大豆種子類別的非老化種子和老化12、24和48小時種子的原始 RGB 圖像,以及在 365/400 nm 激發(fā)發(fā)射組合下捕獲的熒光圖像(灰度和 nCDA),顯示存在下的自發(fā)熒光模式(a )和缺少 (b)種皮。
自發(fā)熒光測量與種子質(zhì)量指標之間的相關(guān)性。Pearson相關(guān)分析(圖5)顯示 365/400nm 組合與胚胎中總酚(- 1.00)之間存在完美的負相關(guān),而 660/700 nm 組合與 SSAA 測試(1.00)之間存在完美的正相關(guān) . 其他帶寬的相關(guān)系數(shù)也很高:0.99(515/600 nm 或 540/600 nm vs 木質(zhì)素),- 0.99(630/700 nm vs 電導率;645/700nm vs 胚胎中的總酚),0.98 (430/500 nm vs 木質(zhì)素), 0.97 (405/500 nm vs 木質(zhì)素), - 0.97 (570/600 nm vs 葉綠素a或葉綠素 b), 0.96 (450/500 nm vs 木質(zhì)素) 和 0.95 (470/500 納米與木質(zhì)素)。
圖5.來自不同激發(fā)發(fā)射組合的自發(fā)熒光光譜數(shù)據(jù)與大豆種子質(zhì)量指標之間的Pearson相關(guān)系數(shù)
相關(guān)閱讀
Videometer種子表型組學:多光譜成像作為菠菜種子健康檢測的潛在工具
Videometer種子表型組學:多光譜圖像分析在種子種質(zhì)庫管理中的應(yīng)用
Videometer種子表型組學:利用可見光、近紅外多光譜和化學計量學對不同番茄種子品種的分類
Videometer種子表型組學:使用多光譜成像和化學計量學方法在線鑒別水稻種子
Videometer種子表型組學:使用多光譜成像預測蓖麻種子的活力
Videometer種子表型組學:甜菜種子加工損傷的多光譜圖像分類
種子表型組學:利用多光譜成像和化學計量學方法對大豆種子進行無損鑒別
種子表型組學:Videometer多光譜成像種子質(zhì)量評估的新工具
種子表型組學:基于可見-近紅外多光譜圖像數(shù)據(jù)的偏最小二乘判別分析檢測菠菜種子的發(fā)芽能力和胚芽長度
種子表型組學:使用灰度共生矩陣和機器學習技術(shù)識別單倍體玉米種子
種子表型組學:不同成熟度甜菜種子發(fā)芽抑制因子去除的優(yōu)化
種子表型組學:通過射線照相和多光譜圖像分析測定小麥種子中的侵染
種子表型組學:用于表征麻瘋樹種子質(zhì)量的多光譜和X射線圖像
種子表型組學:鹽脅迫下九個高羊茅品種的種子萌發(fā)和幼苗生長參數(shù)
種子表型組學:多光譜成像結(jié)合機器學習判別辣椒種子品種
種子表型組學:葉綠素熒光作為花生種子品質(zhì)評價的新標志物
種子表型組學:基于多光譜和共振成像技術(shù)的麻瘋樹種子健康分析新方法