油菜目前是世界上第二大油类蔬菜(FAO,2018)，为满足所需的安全和质量标准，此种子的质量检测变得越发重要。

广泛应用的手工检测程序耗时且不精确，耗费了农民、生产者以及贸易商大量时间和资源。通过使用AI驱动的多光谱成像技术，可显著提升效率、精度以及客观性。

利用VIDEOMETERLAB AUTOFEEDER进行油菜籽品质检测

Videometer成立于1999年，总部位于丹麦歌本哈根，在光谱成像领域处于领先位置。Videometer油菜品质检测的应用是光谱成像设备如何提供先进品质控制的卓越案例。

VideometerLab Autofeeder具有特点突出，包括19-20个光谱波段，范围涵盖UV，可将光以及NIR波段，是多光谱合一一体机。

通过机器学习技术运行强劲、复杂的工具，并可对荧光进行测量。系统可在过程的每一步协助油菜籽品质控制：从收获到油生产，提供外源物含量精确、归档分析。特别之处在于，内容可分解成外源物种子和内源物等栏目。

除了精确之外，VideometerLab Autofeeder提供了高效品质检测-设备测量迅速，可在5分钟内动态提供50g样品分析，误差率不超过1%。一旦分析完成，自动生成数据表单文件，并可以几种图像格式存储。

该设备的自动化设计以及高效率可协助进行重复性品质检测，新用户无需过多培训即可上手使用。

该系统是主流种子表型组学研究和种子检测设备，新一代正式商业版Autofeeder高通量种子表型成像系统的升级大幅度提升了种子表型研究的通量，代表了世界上种子表型研究的高水准，是机器视觉、人工智能以及多光谱成像技术的结晶。到目前为止，利用Videometer系统发表文章超过300多篇，该系统有19个波段，采用机器视觉技术，是真正的图谱合一的设备。

在实验室级别，种子表型分析研究中，需要分析高通量样本，Videometer针对该需求，开发出了适用性极强、通量高的种子表型成像系统传送带Autofeeder，助力种子表型研究。

该自动进样器配有震动系统，首先将种子从漏斗震动分布在传送带上。传送带将颗粒（种子）传送到VideometerLab进行多光谱成像和分析，之后采集到收集箱中。拍摄图像进行采集、图像分割与分析，在测量结束后，可获取一个总结报告。

除了该系统，还可备选一台机器人，可基于分析结果自动分拣所选择颗粒。该采集系统设计用于高价值颗粒的物理筛选，例如移除缺陷颗粒、破碎、不发芽以及感染。 

VideometerLab Autofeeder 主要特征以及优势：

震动单元均匀传送单层颗粒到传送带上 

常规选取颗粒图像分割、分离接触颗粒并创建所有样品中的blob图像

基于颜色、性状以及纹理特征获取分类颗粒预测模型

特征集界定第一个命令的待计算和总特征，机预测模型界定的每个区或类别

颗粒图像和分析结果在测量时同时显示

在测量最后，自动创建总结报告