目的是区分不同的种子大小，以及预测发芽能力和胚芽长度。拍摄了包括小、中、大种子在内的300颗种子的图像，并检查了种子的发芽能力和胚芽长度。

PLS-DA 载荷图用于将多维图像特征减少到几个重要特征。 PLS-DA预测产生了一个独立的测试集，不仅可以区分种子大小，还可以证明发芽能力和胚芽长度如何根据种子大小而变化。

结果表明，与较小的种子相比，较大的种子具有显着更高的发芽潜力和胚芽长度。投影方法的可变重要性表明近红外 (NIR) 波长区域对发芽可预测性很重要。然而，当仅使用 NIR 区域时，PLS-DA 模型并没有改善。

关键词：PLS-DA；发芽能力；胚芽长度；分类; VIS-NIR 成像；菠菜种子；种子大小

图1.395nm（左）和 910 nm（右）的灰度图像

在19个不同光谱带的范围内捕获了1280x960个像素的图像。图1显示了在395nm（左）和910 nm（右）下捕获的包含 25 个中等大小菠菜种子的图像。

只有图像中的种子是感兴趣的，因此执行的第一步是分离种子从背景（滤纸），使用阈值进行分割。下一步是使用基于灰度共生矩阵(GLCM)的灰度统计和Haralick纹理特征从每个图像（每个波长/波段一个图像）中提取特征。

图2.峰态、最大值、平均值、中值、最小值和标准偏差数据（左）和角度、对比度、相关性、熵和逆数据（右）的偏最小二乘判别分析载荷（PLS1 与 PLS2）图

基于两个PLS-DA加载图，均值、最大值和最小值特征是重要的灰度特征（图 2，左），而对比度特征是重要的纹理特征（图 2，右）。因此，决定开发关于均值、最大值、最小值和对比度特征的 PLS-DA模型。

图3.未发芽（左）、发芽时胚芽长度在3到10毫米之间（中）和发芽时胚芽长度大于10毫米（右）菠菜种子的投影(VIP)得分图的变量重要性

在本研究中，VIP图（图 3）清楚地表明，NIR 波长区域对于预测“未发芽”和“发芽长度大于10毫米”很重要。这与菠菜的单种子NIR研究一致，其中NIR区域对于发芽和未发芽种子的分类很重要，准确度为 90-98% 。

因此，开发仅使用 NIR 波长区域的 PLS-DA 模型并检查模型性能的改进是显而易见的。然而，仅使用 NIR 波长区域并没有改进 PLS-DA 模型（数据未显示）。

Videometer Lab4多光谱种子表型成像系统是丹麦理工大学与丹麦Videometer公司开发，是用于种子研究先进的多光谱表型成像设备，典型客户为ISTA国际种子检验协会、ESTA欧洲种子检验协会、John Innes Centre、LGC化学家集团、奥胡斯大学等等，利用该系统发表的文章已经超过300篇。