種子表型組學(xué)：用于表征麻瘋樹(shù)種子質(zhì)量的多光譜和X射線(xiàn)圖像

摘要

背景：在農業(yè)工業(yè)和作物育種中，使用較少人為干擾的非破壞性方法引起了人們的極大興趣?，F代成像技術(shù)能夠自動(dòng)顯示用于表征生物樣品的多參數，從而降低主觀(guān)性并優(yōu)化分析過(guò)程。此外，兩種或多種成像技術(shù)的結合有助于發(fā)現新的物理化學(xué)工具和實(shí)時(shí)解釋數據集。

結果：我們提出了一種基于多光譜和X射線(xiàn)成像技術(shù)相結合的種子質(zhì)量自動(dòng)表征的新方法。我們提出了一種使用X射線(xiàn)圖像研究?jì)炔拷M織的方法，因為種子表面輪廓可能會(huì )受到負面影響，但不會(huì )到達種子的重要內部區域。油籽植物（麻瘋樹(shù)）被用作模型物種，它也是一種在世界范圍內具有經(jīng)濟重要性的多用途作物。我們的研究包括應用歸一化典型判別分析 (nCDA) 算法作為監督變換構建方法，以獲得不同種子塊上的空間和光譜模式。我們使用基于線(xiàn)性判別分析 (LDA) 的反射率數據和 X 射線(xiàn)類(lèi)別開(kāi)發(fā)了分類(lèi)模型。單獨或組合的分類(lèi)模型使用 940 nm 的反射率和 X 射線(xiàn)數據來(lái)預測正常幼苗、異常幼苗和死種子等質(zhì)量性狀，顯示出較高的準確度 (> 0.96)。

結論：多光譜和X射線(xiàn)成像與種子生理性能密切相關(guān)。 940 nm 的反射率和 X 射線(xiàn)數據可以有效地預測種子質(zhì)量屬性。這些技術(shù)可以成為未來(lái)快速、高效、可持續和無(wú)損表征種子質(zhì)量的替代方法，克服傳統種子質(zhì)量分析的內在主觀(guān)性。

種子方向與基于多光譜反射率區分種子地塊無(wú)關(guān)（圖 2）。紫外（365 nm）和可見(jiàn)光（405-690 nm）區域的波長(cháng)顯示出低反射強度（< 20%），很難區分批次。 然而，在較長(cháng)波長(cháng)處獲得的數據，特別是在近紅外 (NIR) 區域（從 780 到 970 nm）中獲得的數據清楚地能夠區分種子區，并且具有高活力的種子顯示出的反射強度（批次 2）。

圖2.三個(gè)不同活力水平的麻瘋樹(shù)種子表面在19個(gè)波長(cháng)下每個(gè)感興趣區域內的平均光譜圖

對多光譜數據應用主成分分析(PCA) 以減少變量，結果顯示前兩個(gè)主成分占種子批次間數據變異性的大部分（占總數據方差的 98.66%）。貢獻直方圖表示基于 95% 置信閾值（截止）的信息量最大的波長(cháng)，由紅色虛線(xiàn)表示，它顯示只有780到970nm 的五個(gè)帶寬，主要對PC1和PC2有貢獻（圖 3a）?；赑C1和PC2的聚類(lèi)分析將三個(gè)種子區明顯分開(kāi)（圖 3b）。

圖3. a 響應變量對維度1和2 的貢獻；b麻瘋樹(shù)種子區（批次1、2 和 3）中多光譜反射率的主成分分析 (PCA) 雙圖。 780~970 nm的5個(gè)波長(cháng)顯著(zhù)解釋了種地間的差異

為了驗證PCA模型，對應于五個(gè)最重要波長(cháng)（780、850、880、940 和 970 nm）的多光譜數據，如先前由 PCA 的，被用于典型判別分析（CDA）（圖 4） .批次1和3的活力較低，這些波長(cháng)將批次1和3與批次 2（高活力）正向區分開(kāi)來(lái)，這表明這些波長(cháng)是區分活力較低的麻風(fēng)樹(shù)種子的良好預測指標。

圖4.在780、850、880、940和970nm處獲得的反射率數據的典型判別分析(CDA)從三個(gè)不同活力水平的麻瘋樹(shù)苗木中獲得

麻風(fēng)樹(shù)種子有厚而黑的外皮。圖5顯示了基于發(fā)芽能力和在940nm 捕獲的相應反射率圖像和X射線(xiàn)圖像從種子腹面和背面獲得的 RGB 圖像。由于CDA模型在940和970nm 之間顯示出共線(xiàn)性（圖 4），我們選擇在940nm 捕獲的反射率圖像（圖5），因為該波長(cháng)與脂肪組織的吸收峰密切相關(guān)，這與油籽研究相關(guān) .在發(fā)芽試驗中，從反射圖像中像素值較低而X射線(xiàn)圖像中像素值較高的種子產(chǎn)生正常幼苗。與那些產(chǎn)生異常幼苗或不發(fā)芽（死種子），其中死種子在反射率和X射線(xiàn)圖像中分別表現出像素值。

圖5.麻瘋樹(shù)種子腹側和背側表面的原始RGB圖像，基于發(fā)芽能力和在940nm處捕獲的相應反射圖像（使用nCDA算法的灰度和轉換圖像）以及X射線(xiàn)圖像

基于種子組織完整性和發(fā)芽試驗中的種子性能，從所有種子地獲得的射線(xiàn)照相圖像分為三個(gè)不同的類(lèi)別（圖6a）。軟組織與退化的組織有關(guān)，當X射線(xiàn)束穿過(guò)組織時(shí)它們吸收的X射線(xiàn)束較少，因此，這些區域在X射線(xiàn)照相圖像中顯得較暗。同時(shí)，具有高灰度強度的區域表明 X 射線(xiàn)的更大穿透力與更高的組織密度（健康組織）直接相關(guān)。1類(lèi)種子*填滿(mǎn)或胚乳與種皮之間有微小空隙（≤1.23 mm），這些種子主要產(chǎn)生正常的幼苗。2類(lèi)種子在胚乳和種皮之間出現較大的空隙（> 1.24 mm）或未達到胚軸的組織退化，產(chǎn)生的多為異常幼苗。最后，第3類(lèi)包括組織退化的種子到達胚軸、畸形和空種子，這些種子與死種子直接相關(guān)。 CDA 方法（圖 6b）顯示 Lot 1 與 2 類(lèi)和死種子呈正相關(guān)。異常幼苗變量沒(méi)有出現在模型中，因為它與死種子共線(xiàn)。Lot 2 的種子與 Class 1 和正常幼苗的 X 射線(xiàn)圖像呈正相關(guān)，與 Lot 1 和 Lot 3 *相反。940 nm 的反射數據區分 Lot 3 與 Lot 1 和 Lot 2，其中種子數量較高第 3 類(lèi)和死種子 (F=10.22, df=2, 12, P=0.0014) 

圖6.A麻瘋樹(shù)種子根據組織完整性分為三個(gè)不同類(lèi)別的X射線(xiàn)圖像

B三個(gè)不同活力水平

相關(guān)閱讀

Videometer種子表型組學(xué):種子活力研究-熒光成像

植物病害表型組學(xué)：多光譜病害指紋圖譜

Videometer種子表型組學(xué)：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(xué)：多光譜圖像分析在種子種質(zhì)庫管理中的應用

Videometer種子表型組學(xué)：利用可見(jiàn)光、近紅外多光譜和化學(xué)計量學(xué)對不同番茄種子品種的分類(lèi)

Videometer種子表型組學(xué)：使用多光譜成像和化學(xué)計量學(xué)方法在線(xiàn)鑒別水稻種子

Videometer種子表型組學(xué)：使用多光譜成像預測蓖麻種子的活力

Videometer種子表型組學(xué)：甜菜種子加工損傷的多光譜圖像分類(lèi)

種子表型組學(xué)：基于多光譜成像的葵花籽品質(zhì)特征識別

種子表型組學(xué)：利用多光譜成像和化學(xué)計量學(xué)方法對大豆種子進(jìn)行無(wú)損鑒別

種子表型組學(xué)：Videometer多光譜成像種子質(zhì)量評估的新工具

種子表型組學(xué)：聚合物包衣對水稻種子萌發(fā)的影響

種子表型組學(xué)：基于可見(jiàn)-近紅外多光譜圖像數據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(cháng)度

種子表型組學(xué)：使用灰度共生矩陣和機器學(xué)習技術(shù)識別單倍體玉米種子

種子表型組學(xué)：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(xué)：通過(guò)射線(xiàn)照相和多光譜圖像分析測定小麥種子中的侵染