傳統(tǒng)評估種子的方法通常是先進(jìn)行有損取樣，然后進(jìn)行物理、生理、生化和分子測定。這些方法的確是有效的，但其對種子進(jìn)行了破壞，并且耗時耗力，還需要有經(jīng)驗的種子分析師。本文研究的目的是探討機器視覺和多光譜成像系統(tǒng)在高通量豇豆種子分類中的應(yīng)用潛力。利用自動機器視覺發(fā)芽系統(tǒng)在種子吸脹和發(fā)芽期間不間斷地監(jiān)測，來識別所有單個種子的不同類別。本文利用從多光譜圖像中提取的單個豇豆種子的光譜特征，建立了基于線性判別分析（LDA）的多變量分析模型，根據(jù)種子的老化程度、活力程度、幼苗生長狀況和發(fā)芽速度將種子分為不同的類別。

處理多光譜圖像，提取種子的光譜信息，準(zhǔn)備種子萌發(fā)數(shù)據(jù)，建立多變量判別模型是多光譜圖像處理的關(guān)鍵步驟

a.不同時期人工加速老化（24，48，72和96 h）的非老化（對照）和老化種子的主要反射特征，b.所有豇豆種子的原始光譜數(shù)據(jù)的PCA得分圖顯示老化和未老化種子之間的差異，c.在人工加速老化條件下，發(fā)芽種子和未發(fā)芽種子的主要反射率特征

結(jié)果表明，該多光譜成像系統(tǒng)能夠在紫外、可見光和短波近紅外波段為豇豆種子的分類提供必要的信息。考慮到圖像采集時間短和樣品制備有限，這種先進(jìn)的多光譜成像方法和種子分類中的化學(xué)計量學(xué)分析可以成為經(jīng)濟有效的實時分選和分級過程中在線分類方案的有用工具。 因為它不僅提供形態(tài)和物理特征，還提供被檢種子的化學(xué)信息。隨著計算機硬件成本的降低和性能的提高，實現(xiàn)種子質(zhì)量評價專用的圖像處理算法，對于提高計算機集成系統(tǒng)在種子質(zhì)量自動檢測方面的吸引力是非常有效的。隨著計算機硬件成本的降低和性能的提高，實現(xiàn)種子質(zhì)量評價專用的圖像處理算法，對于提高計算機集成系統(tǒng)在種子質(zhì)量自動檢測方面更具吸引力。

應(yīng)用LDA模型對非老化種子和24、48、72和96小時老化種子進(jìn)行鑒別，第一行顯示種子的原始彩色圖像，第二行在圖像中的每個像素上應(yīng)用LDA模型后可視化分類結(jié)果。綠色表示“未老化”類，紅色表示“老化”類