INDUSTRIAL CROPS AND PRODUCTS | 基于多光谱成像技术的苜蓿种子安全含水率快速预测与可视化（Videometer）-中国农业大学

该研究由中国农业大学草业科学与技术学院团队完成，发表于《Industrial Crops & Products》，针对传统苜蓿种子水分检测方法耗时、破坏性强的痛点，首次整合多光谱成像技术与机器学习算法，建立了苜蓿种子安全含水量的快速、无损预测与可视化方法，为苜蓿种子储存、品质管控及农业生产高效利用提供了关键技术支撑。

文献摘要

水分对种子的销售、储存和加工具有显著影响。传统水分检测方法通常耗时费力，难以满足现代农业对快速检测的需求，尤其无法实现单粒种子的无损检测。本研究采用多光谱成像技术，获取了 6 个含水量梯度（4%、8%、12%、16%、25%、41%）苜蓿种子的形态与光谱数据，整合支持向量机（SVM）、随机森林（RF）、线性判别分析（LDA）、反向传播神经网络（BPNN）及归一化典型判别分析（nCDA）等算法，构建了安全与不安全含水量分类模型。结果表明，仅使用光谱数据即可显著提升模型的准确性与预测效果；nCDA 可视化能有效呈现水分空间分布，安全含水量范围（4%、8%、12%）与不安全含水量范围（16%、25%、41%）的种子在图像中呈现明显颜色差异。BPNN 模型表现出较高的预测精度，对安全与不安全含水量的识别准确率达 90.1%。通过置换法筛选出的关键波长包括 970、880、570 和 490 nm。皮尔逊相关性分析显示，发芽指标与光谱数据呈显著正相关，且相关性随种子储存时间延长而增强。这些发现证实了多光谱成像技术在评估苜蓿种子安全含水量方面的应用潜力，为开发单粒种子含水量检测系统提供了支持，该技术可快速剔除高水分种子，避免其在储存过程中变质。

研究背景与目的

背景：苜蓿是全球广泛种植的豆科牧草，种子含水量是影响其销售、储存和加工的核心品质指标，安全储存含水量范围为 2%-12%；含水量过高会导致种子霉变、病虫害滋生，显著降低发芽率，严重影响种子经济价值。传统种子水分检测方法（烘干法、卡尔费休法等）操作繁琐、耗时久、具有破坏性，无法满足现代农业大规模、快速无损检测的需求；近红外光谱（NIRS）和高光谱技术虽为无损检测手段，但存在无法捕捉空间信息、光谱重叠、数据冗余等问题，且多针对批量种子检测，难以实现单粒种子精准筛选。多光谱成像（MSI）技术融合计算机视觉与光谱分析优势，兼具操作简便、灵敏度高、无损快速等特点，已应用于种子品种鉴别、纯度分析、活力检测等领域，但在作物种子含水量检测中的系统研究尚未深入开展。

研究目的：探究不同含水量苜蓿种子的形态、光谱特征差异及发芽性能变化；整合多光谱数据与机器学习算法，构建苜蓿种子安全含水量（≤12%）与不安全含水量（>12%）的分类模型，筛选最优预测模型；实现种子含水量的空间分布可视化，为单粒种子水分快速筛选提供技术方案。

核心试验方法

①多光谱数据采集：仪器：丹麦 VideometerLab4 多光谱成像系统，光谱范围 365-970 nm（19 个波段）；采集流程：经白板、黑板、点阵板校准后，每个含水量梯度选取 100 粒种子，均匀铺于 10 cm 直径培养皿，采集 2056×2056 像素高分辨率图像；特征提取：通过 VideometerLab4 V3.1.4 软件划分感兴趣区域（ROI），提取 14 项形态特征（面积、长度、宽度、长宽比、紧实度圆、CIELab 颜色参数等）和 19 项光谱特征（各波段反射率）。

②发芽性能测定：方法：参照《国际种子检验规程》（ISTA, 2022），采用纸上发芽法，20℃、66% 光照 8h / 黑暗 16h 培养，分别于储存 10、20、80 天进行发芽试验，第 4 天统计发芽势，第 10 天统计发芽率；每个含水量梯度设 4 次重复，每次测试 100 粒种子。

③模型构建与评价

算法选择：构建支持向量机（SVM）、随机森林（RF）、线性判别分析（LDA）、反向传播神经网络（BPNN）四种分类模型；

数据集划分：6000 粒种子按 7:3 比例分为训练集（4200 粒）和测试集（1800 粒），分别基于形态特征、光谱特征、形态 + 光谱融合特征建模；

评价指标：准确率（Accuracy）、召回率（Recall）、特异性（Specificity）、精确率（Precision）、ROC 曲线下面积（ROC_AUC）、F1 值、Kappa 值；

可视化分析：通过归一化典型判别分析（nCDA）实现含水量空间分布可视化。

不同含水量苜蓿种子的平均光谱反射率。柱状图表示1000粒种子的平均光谱反射率值±标准差（SD）。

不同含水量苜蓿种子形态学与光谱特征的概率密度分布。(a) 六种不同含水量种子的14项形态学特征概率密度分布。(b) 安全与非安全含水量种子的14项形态学特征概率密度分布。(c) 六种不同含水量种子的19项光谱特征概率密度分布。(d) 安全与非安全含水量种子的19项光谱特征概率密度分布。

不同含水量苜蓿种子的 LDA 可视化分析。(a)基于六种不同含水量种子14个形态学特征的 LDA 模型。(b)基于六种不同含水量种子19个光谱特征的 LDA 模型。(c)基于六种不同含水量种子33个特征（14个形态学特征和19个光谱特征）的 LDA 模型。

不同含水率苜蓿种子的RGB、nCDA1、nCDA2图像。SMC代表种子含水率。

SVM (a)、RF(b)、 LDA (c)、BP(d)模型的光谱特征重要性排序。Y轴表示所有光谱特征，X轴表示按变量排列的损失值。损失值越高，特征重要性越高。

对不同贮藏时间的苜蓿种子光谱与发芽指标进行相关性分析。GP10、GP20、GP80、FGR10、FGR20和FGR80分别代表密封贮藏10天、20天和80天的苜蓿种子的发芽潜力和最终发芽率。对19个光谱波段及这些波段与发芽指标进行皮尔逊相关性分析。在光谱间的皮尔逊分析中，绿色表示负相关，红色表示正相关；在波段间的皮尔逊分析中，绿色表示负相关，红色表示正相关。对于19个光谱波段与发芽指标的皮尔逊相关性分析，‘–’表示负相关，‘—’表示正相关，不同颜色的线条表示P值的显著性水平：灰色表示‘无显著性’（P > 0.05）；紫色表示‘*’（P < 0.05）；绿色表示 ‘’（P < 0.01）；橙色表示 ‘’（P < 0.001）。

研究结论

1.不同含水量苜蓿种子在形态（面积、长度、颜色参数）和光谱（850-970 nm 波段反射率）特征上存在显著差异，安全含水量种子（≤12%）的发芽性能远优于不安全含水量种子：高含水量加速种子细胞代谢、脂质过氧化，降低抗氧化酶活性，导致储存过程中发芽率快速下降，与此前研究结论一致；12% 含水量为苜蓿种子安全储存的最优水平，既满足发芽所需基础水分，又可避免霉变风险。

2.基于多光谱光谱特征的BPNN 模型是苜蓿种子安全含水量识别的最优模型，安全/不安全含水量分类准确率达 90.1%，核心特征波长为 970、880、570、490 nm。

3.nCDA 技术实现了种子含水量空间分布可视化，安全含水量种子呈红色、不安全含水量种子呈蓝色，直观区分水分差异。

该方法快速、无损、精准，可实现单粒种子水分筛选，为苜蓿种子安全储存、品质管控及农业生产高效利用提供了全新技术方案，也为其他作物种子含水量检测提供了参考。

北京博普特科技有限公司是丹麦Videometer多光谱成像系统的中国区总代理，全面负责其系列产品在中国市场的推广、销售和售后服务。