欧亚国际

研究人员近年来开发了多种人工智能技术来实现种子品质分析的自动化。巴西研究团队主要基于光学技术如多光谱成像技术来获取种子的图像。之后借助机器视觉算法Q将图像解读自动化，降低传统方法分析的难度。例如，光学技术可应用于多个物种的大批量种子而不仅仅限于样品。另外，光学技术可实现无损检测，不破坏分析样品或产生残余物质。

基于光学的技术包括叶绿素荧光和多光谱成像技术。科学家基于作物和实验模型选择了来自不同国家、不同季节的生产的西红柿和胡萝卜种子并置于不同储存条件下。 研究人员使用了来自巴西和美国的西红柿，来自巴西、意大利以及智利的胡萝卜种子。这样选择是基于此类作物的经济重要性，世界上对其需求日益增长，种植者面临的问题是种子采收困难。在西红柿和胡萝卜中，成熟过程并不一致，因植物在不断开花，种子生产时间不一致，种子批次可能包含了成熟和不成熟种子的混合物。视觉方法很难检测到不成熟种子，基于机器视觉的技术可将问题影响降到最低。研究人员将该无损检测分析与传统有损、耗时耗力的发芽以及活力检测方法进行了比较。在萌发检测中，种子分析人员将样品分开， 播种并在适宜温度、水和氧气条件下萌发，并依据农业部的规则验证常规发芽数量。活力检测为互补实验，更加复杂。最常规的检测基于种子队胁迫的反应以及种子发芽生长参数。

除了提到的困难，传统方法非常耗时。就西红柿和胡萝卜而言，可能需要2周时间来获取结果，非常主观，非常依赖于分析人员的解读。科研人员建议是尽量利用叶绿素荧光和多光谱成像技术将过程自动化进而对种子品质进行分析，避免常规面临的瓶颈，研究成果发表在 Frontiers in Plant Science上-Integrating Optical Imaging Tools for Rapid and Non-invasive Characterization of Seed Quality: Tomato (Solanum lycopersicum L.) and Carrot (Daucus carota L.) as Study Cases

叶绿素荧光作为品质标记

叶绿素存在于种子中，可提供发育（脂肪，蛋白和碳水化合物）所需存储物质的能量。当其完成该使命，叶绿素就会分解。但如果种子未完成成熟过程，叶绿素会予以保留。叶绿素残留越少，越成熟，种子里面的营养物越多、品质越高。如果叶绿素含量很多，种子就不成熟，品质就差。如果将一个特别波段的光照射，到种子的叶绿素上，其并不将该能量传输到分子，而是再次将此光以另外波段发射，即其产生荧光。可对该荧光进行测量，激发叶绿素而捕获荧光需要一款设备将其转换为电信号，生成包括灰、黑和白像素的图像。颜色浅的区域对应高含量叶绿素，也意味着种子不成熟，很难发芽。

人工智能

多光谱成像中，LED发射出可见光以及非可见光（UV和近红外）波段的光谱。要分析基于反射图像的种子品质，研究人员使用了19个波段，并将结果从传统方法获取的品质评估数据。最好的结果是在胡萝卜种子使用近红外波段，在番茄种子中则是利用UV波段。种子含有蛋白、脂肪以及糖，可部分吸收LED发射的光，并将其余光反射。反射光被多光谱相机捕获，将捕获图像进行处理，将种子与背景分离， 背景对应黑色像素（值为0），种子为灰色。图像中种子的像素值对应其化学组分。研究人员对每个种子信息进行了提取。种子含有的给定养分量越大，特点波长吸收的光越多，反射越少。含少量营养的种子含光吸收分子更少。这也就意味着其反射率高，尽管其因组分不同而不同，并依赖所使用波长不同而有差异。 使用波长识别的算法可取得最佳效果。该过程提供了种子化学组分信息，从其可获得品质信息。对研究人员而言，到成像阶段还不够，其还是需要人观测的操作。 研究人结合了化学计量法、系列统计和数学方法用于化学上鉴别物质。基本构思是设备荧光可基于拍摄图像鉴别品质。科学家在本研究中所使用的方法广泛应用于制药和食品工业中。之后，研究人员利用机器视觉来检测利用化学计量法生成的模型。将模型训练识别高品质与低品质种子，研究中使用了70%的数据训练模型，使用其余30%数据进行验证。在西红柿种子上，品质分类精度范围在 86% -95% ，在胡萝卜种子上则为88% -97% 。此两项技术精确、省时，图像拍摄速度快。叶绿素荧光设备每分钟拍摄1张照片，多光谱成像分析设备VideometerLab5秒内可处理19张图片。

意外之喜

研究中的意外之喜是，叶绿素荧光和多光谱成像是植物品系筛查的有效技术，是种子批次评估的核心技术来避免损失。种植者购买种子以期获得特定产量，但如果种子的不同基因特征未予以恰当分离，生产会受到影响。

筛查目前由经验丰富的受训人员进行，通过颜色、性状以及尺寸对种子分级，当然有可能也采用了分子标记方法。本研究中，2中技术均可将胡萝卜品系进行区分。研究产生的新结果是利用荧光来筛查品系，之前无基于该目的的此类研究，研究表明多光谱成像技术足够进行该项工作。