無損光電檢測技術在種子檢驗和篩選加工上的研究與應用

楊 琳 高富欣 李瑞云 常 華 劉 偉 王 輝

無損檢測技術主要是運用物理學方法如光學、電學和聲學等手段對產品進行分析，不破壞樣品，在獲取了樣品信息的同時保證了樣品的完整性。無損檢測技術與傳統的物理化學方法相比較不但速度快，而且還能有效地判斷出從外觀無法得到的樣品內部品質信息（劉燕德 等，2010）。光電技術是光電子學的應用科學，它以激光和光纖等有源和無源的光電器件為基本組成，綜合利用光學、精密機械、電子學、計算機和控制技術等科學成果和技術方法進行綜合信息處理，以組成確定功能的儀器、設備和工程系統（孫培懋，1990）。目前無損光電檢測技術已被廣泛地應用于工業、農業和其他領域。本文著重介紹無損光電檢測技術在種子檢驗和精選加工上的研究和應用情況。

1 紅外光譜檢測技術

紅外光譜主要包括波長在780～2 526 nm范圍內的電磁波的近紅外光譜和波長在2 500～50 000 nm的中紅外光譜。紅外光譜區主要是有機分子含氫基團（C-H，N-H，O-H等）的伸縮振動的各級倍頻及其伸縮振動與彎曲振動的合頻吸收，幾乎包含了有機物中所有含氫基團的信息，包含有分子的結構、組成狀態等信息，從而為紅外光檢測技術分析樣品的物理性質（如物質的密度、粘度、粒度、硬度等）以及化學成分（如蛋白質、氨基酸、脂肪、淀粉、水分以及其他營養成分等）提供了可能。

Dowell等（2002）在商用色選機的高分辨率CCD照相機上裝675 nm過濾鏡，用其篩選出帶有印度腥黑穗病的小麥粒。Pearson等（2004）用雙波長商用光電色選儀（波譜吸收值在750 nm和1 200 nm）將被大于100μg·L-1黃曲霉素污染的玉米粒篩選出來，準確率達98%。Pasikatan等（2004）在商用色選機上安裝近紅外線傳感器和過濾鏡，快速從樣品中篩選出高蛋白和低蛋白含量的單個小麥粒來滿足育種的需要。Satake公司已經運用紅外線技術生產出可視色選和紅外色選技術相結合的色選機。

目前近紅外光譜技術在品種純度鑒定上的應用也展開了研究。黃艷艷等（2011）采用近紅外光譜分析技術結合定性偏最小二乘法對農大108玉米雜交種的純度進行了鑒別研究，結果表明，選擇投射孔徑3.0 mm，4 000～8 000 cm-1光譜范圍，種子胚乳面單次光譜所建立的農大108玉米雜交種的種子純度鑒定模型的建模集和檢驗集的鑒別率達到100%。王徽蓉等（2011）結合遺傳算法與線性鑒別分析（LDA）提出了一種玉米品種的快速鑒別方法，利用這種方法對300個樣本的平均正確識別率與平均正確拒識率可達到99.3%，其中77.33%的玉米品種的正確識別率可達到了100%，與常用的主成分分析方法等相比，運算時間更短，正確率更高。

2 機器視覺檢測技術

機器視覺（machine vision，MV）又稱為圖像理解和圖像分析，是指在計算機環境下實現的模擬或再現與人類視覺有關的某些智能行為。機器視覺技術的研究范圍包括圖像采集、圖像數字化、數字圖像處理、數字圖像分析的模式識別等內容。圖像處理和分析是機器視覺的核心，從邏輯上可以分為三個階段：圖像預處理、特征提取、模式識別和理解。

Shatadal等（2003）利用彩色圖像分析技術對大豆進行分類，將大豆種子分為好種子、熱損傷、凍傷粒（綠色和蠟黃色兩種）和豆象蟲咬壞的種子。試驗結果表明，好種子識別率為99.6%，熱損壞和凍傷粒種子的識別率分別是95%和90%，但是對于豆象蟲咬壞的種子識別效果不是很好。Luo等（1999）設計出一套軟件，可以利用不同的特征模式、形態學特征、色彩特征、形態學和色彩特征相結合對健康和受損（包括破損、凍傷粒、污點、霉變、熱損和燒焦）的小麥種子進行鑒別。結果表明，利用種子形態學和色彩特征相結合的辦法比單純利用色彩特征鑒別健康和受損種子的準確率高。同時，彩色圖像分析技術可以對種子進行健康度檢測。Olesen等（2011）利用多重光譜影像技術鑒別健康的和被黃萎病（Verticillium spp.）、枯萎?。‵usarium spp.）、潰瘍?。⊿temphylium botryosum）、葉霉病 （Cladosporium spp.）、灰霉?。ˋlternaria alternate）5種種傳病害侵染的菠菜種子。

Pearson（2009）設計了一個快速、低價的圖像視覺技術色選機，可以檢測和分離帶有輕微顏色差別或小缺陷的谷物種子。這個系統安裝了3個帶有現場可編程序門陣列（Field-programmable Gate Array）的 CMOS（Complementary Metal Oxide Semiconductor）顏色識別器，以便能較為全面地檢測谷物種子的表面。通過實驗表明，色選機分離紅小麥的準確率是88%，白小麥是91%，分離爆粒玉米上帶有blue-eye（爆粒玉米胚芽上出現輕微的藍色失色現象）損傷的準確率是74%，識別好玉米粒的準確率是91%。檢測速度比運用圖像檢測系統檢測的速度快很多。同時，這個篩選機可以將昆蟲咬傷的谷物種子、帶有赤霉病和黑腥穗病的小麥粒篩選出來。

周亮（2010）利用機器視覺技術對絲瓜種子的檢測分級設備進行研究與開發，通過研究得出RGB顏色模式適合絲瓜種子的分級，若其中有一個分量的值超過閾值，則可認為該種子為第三級，由此可將顏色異常的種子剔除。印楊松（2011）采用單特征閾值法進行玉米完善粒與破損粒的識別，用多特征閾值法識別完善粒與并肩雜、完善粒與病斑粒、完善粒與蟲蝕粒，對于孔洞狀的蟲蝕粒則采用孔洞填充并計算像素值的方法來識別，但對于表層蟲蝕粒的識別沒有找到合適的方法。

3 X射線檢測技術

X射線是一種類似于光、熱和無線電波的電磁輻射波，其特點是波長短。由于輻射物質的波長越短，穿透物質的能力也愈大，所以X射線具有極大的穿透物質的能力，可利用這一特性進行X射線檢測。

Burg等（1994）利用X射線檢測經引發處理（滲透調節技術）和未處理的番茄種子來預測番茄幼苗的形態學。對于成熟的番茄種子，從X射線照片可以清晰地看出種子的內部結構，如初生根、胚軸、兩片子葉和胚乳。通過X射線還可以檢測出番茄種子胚的尺寸和形態、胚乳含量及胚和胚乳之間的空隙，這些指標與14天苗齡的幼苗形態很有關系。試驗通過利用X射線檢測5個不同品種的子葉形態、胚和胚乳之間的空隙來預測正常幼苗率，與這些品種的實際溫室出苗率和根據ISTA發芽試驗規程得出的正常幼苗率相比，利用X射線檢測的結果更為準確。對于經引發處理的種子，則利用另一種基于X射線的預測原理，但結果同上。試驗結果也證實經過X射線篩選過的種子在幼苗階段沒有產生遺傳變異。

Dell’Aquila（2007）利用 X射線技術和計算機輔助圖像分析技術進行甜椒種子發芽評估。將經過X射線篩選后的好種子利用計算機輔助圖像分析技術研究種子的吸漲和幼根伸長，自動視覺機器監控發芽中種子的吸漲過程，為經過X射線篩選的有存活能力種子中的生理變化程度提供更多的信息，因此通過計算機輔助圖像分析技術監測種子的吸漲過程，從而可以確定一個高質量的圖像標記作為篩選和評價高發芽率種子的指標。通過研究甜椒種子發現，X射線篩選的種子與對照相比，發芽率和平均發芽時間差異不大。

Pinto等（2009）利用X射線圖像分析技術能有效地檢測機械受損和被椿象損傷的大豆種子。de A Melo等（2010）也利用X射線技術檢測被象鼻蟲損傷的豇豆種子，并評估損傷與種子生理學品質的關系。

國際種子檢驗協會（ISTA）和北美官方種子分析協會（AOSA）均制定了X射線檢測技術手冊和使用方法。已設計出一種專門應用于種子質量控制的X射線分析系統的機器原型（X射線種子分析儀SEMAX）。在可控的安全標準下，這個系統包括X射線發射器、CCD照相機、計算機、圖像處理軟件等。這是一個非常有應用價值的檢測工具，可以分析種子結構，可快速診斷區分種子或谷物飽滿、無使用價值、破損、種子內有蟲卵或活蟲（Craviotto et al.，2004）。

4 葉綠素熒光分析技術

將綠色植物或含葉綠素的部分組織，如葉片、芽、嫩枝條、莖或單細胞藻類懸液放在暗中適應片刻，或用近紅外光預照射，然后在可見光下激發，并用熒光計檢測，就會發現植物綠色組織會發出一種微弱的暗紅色、強度隨時間不斷變化的熒光信號，這一過程稱為植物體內葉綠素a熒光誘導動力學，簡稱為葉綠素熒光動力學（李曉 等，2006）。

通常來講，不成熟的或未完全成熟的種子比成熟的種子質量低。Ward等（Jalink et al.，1998）通過研究油用油菜和白菜型油菜種子葉綠素含量和種子成熟度的關系發現，葉綠素的含量隨著種子的成熟過程而逐漸減少，最終種子的葉綠素含量與環境和種子的基因類型有關。對于大多數種子作物來說，隨著種子的成熟葉綠素含量逐漸降低。葉綠素a在合適波長（650～730 nm）的激發下會產生熒光。Jalink等（1999）利用葉綠素熒光技術檢測甘藍種子的成熟度和質量。甘藍種子的發芽情況與葉綠素熒光信號的大小強度成反比。葉綠素熒光信號強度最低的甘藍種子發芽率為100%，并表現出很高的發芽整齊度。葉綠素含量高的甘藍種子在發芽率和發芽整齊度方面表現不佳。試驗結果表明，甘藍種子葉綠素熒光檢測技術可以作為一項新的篩選技術將葉綠素含量高的種子篩選出，從而有效地提高種子的質量（Jalink et al.，1998）。同時這項技術也在番茄、甜瓜種子的精選加工上進行了應用研究（Cotton et al.，1999；Jalink et al.，1999）。Satake美國公司已經運用葉綠素熒光技術生產了葉綠素熒光技術種子分選機（the Seed Scan Series）。

無損光電檢測技術有優勢也有劣勢。如利用X射線進行種子發芽率的檢測，相對于常規的實驗室發芽率檢測和正常幼苗鑒定所需時間較短，但是X射線檢測技術中正常與不正常子葉的鑒定需要較強的專業知識，對檢測人員需進行進一步的培訓。另外種子經過安全X射線照射約需5分鐘，若進行大批量的種子檢測鑒定是比較費時的。例如Pearson設計的圖像視覺技術色選機，小麥粒每小時的加工量約為8 kg，爆粒玉米每小時的加工量約為40 kg，這個速度雖然比運用圖像檢測系統檢測的速度快很多，但是在實際商業化運用中速度相對來講還是很慢的。同樣，對于不同病害吸收不同波長的紅外光譜而形成的不同灰度進行病害的鑒定也需要較強的專業知識和較高的準確性。因此如何將上述光電無損檢測技術運用到實際生產，提高加工效率還需要進一步的研究和改進。

中國有著巨大的種子市場，隨著外資種業的加入，中國種業面臨著越來越激烈的市場競爭，市場對種子質量的要求也會越來越高。從目前無損光電檢測技術的研究和應用情況看，研究的目標主要集中在大田作物上，在蔬菜作物上的研究和應用報道較少。蔬菜作物種類多樣，種子形態各異，要開展相關研究，還有許多工作要做，難度也較大。我國雖然已經開展了一些研究，并取得可喜進展，但還應該加大投入力度，加快相關研究進度，以適應國際種業市場競爭的需要。

黃艷艷，朱麗偉，李軍會，王建華，孫寶啟，孫群.2011.應用近紅外光譜技術快速鑒別玉米雜交種純度的研究.光譜學與光譜分析，31（3）：661-664.

李曉，馮偉，曾曉春.2006.葉綠素熒光分析技術及應用進展.西北植物學報，26（10）：2186-2196.

劉燕德，郝勇，蔡麗君.2010.無損光電技術檢測技術原理及應用.華北交通大學學報，27（6）：36-46.

孫培懋.1990. 光電技術及其應用與發展. 光電工程，17（2）：57-62.

王徽蓉，李衛軍，劉揚陽，陳新亮，來疆亮.2011.基于遺傳算法與線性鑒別的近紅外光譜玉米品種鑒別研究.光譜學與光譜分析，31（3）：669-672.

印楊松.2011.機器視覺技術在玉米并肩雜、不完善粒檢測中的應用研究〔碩士論文〕.杭州：浙江大學.

周亮.2010.基于機器視覺的絲瓜種子分級研究〔碩士論文〕.杭州：浙江大學.

BurgWJ，AartseJW，Zwol RA，Jalink H，BinoRJ.1994.Predictingtomato seedling morphology by X-ray analysis of seeds.Journal of the AmericanSocietyforHorticulturalScience，119（2）：258-263.

Cotton C，Welbaum G E，Gray C.1999.Use of chlorophyll content to determine quality of muskmelon seeds.Commercial Horticulture Newsletter，July-August.

Craviotto RM，Arango MR，SalinasAR，GibbonsR，Bergmann R，Montero M S.2004.A devicefor automated digital x-ray imaging for seed analysis.SeedScienceandTechnology，32（3）：867-871.

deAMelo R，FortiVA，Cicero SM，NovembreAD，deMelo PCT.2010.Useof X-raytoevaluatedamagecaused byweevilsincowpeaseeds.HorticulturaBrasileira，28（4）：472-476.

Dell’Aquila A.2007.Pepper seed germination assessed by combined X-radiography and computer-aided imaging analysis.Biologia Plantarum，51（4）：777-781.

Dowell F E，Boratynski T N ，Ykema R E，Dowdy A K，Staten R T.2002.Use of optical sorting to detect wheat kernels infected with Tilletiaindica.PlantDisease，86（9）：1011-1013.

Jalink H，FrandasA，Schoor RV，BinoJB.1998.Chlorophyllfluorescence ofthetestaof Brassicaoleraceaseedsasanindicatorofseedmaturityand seed quality.Scientia Agricola.Piracicaba，55（Número Especial）：88-93.

Jalink H，Schoor R V，Birnbaum Y E，Bino R J.1999.Seed chlorophyll content asan indicator for seed maturity and seed quality.ISHSActa Horticulturae，504：219-227.

Luo X，JayasDS，Symonst SJ.1999.Identificationof damagedkernelsin wheatusingacolourmachinevisionsystem.Journalof Cereal Science，30：49-59.

Olesen M H，Carstensen JM，Boelt B.2011.Multispectral imaging asa potentialtoolforseedhealthtestingofspinach（SpinaciaoleraceaL）.SeedScienceandTechnology，39（1）：140-150.

Pasikatan M C，Dowell F E.2004.High-speed NIR segregation of high and low protein single wheat seeds.Cereal Chemistry，81（1）：145-150.

Pearson T.2009.Hardware-based image processing for high-speed inspectionof grains.Computersand Electronicsin Agriculture，（69）：12-18.

Pearson TC，Wicklow DT，Pasikatan MC.2004.Reductionof aflatoxin and fumonisin contamination in yellow corn by high-speed dual-wavelengthsorting.CerealChemistry，81（4）：490-498.

Pinto T L F，Cicero S M，Franca-Ento J B，Forti V A.2009.An assessment of mechanical and stink bug damage in soybean seed using X-ray analysis test.Seed Sciences and Technology，37（1）：110-120.

Shatadal P，Tan J.2003.Identifying damaged soybeans by color imageanalysis.AppliedEngineeringinAgriculture，19（1）：65-69.