不同燕麥品種種子自然老化表型和多光譜變化特征

摘要：本研究利用多光譜成像技術(shù)對(duì)12個(gè)燕麥（Avena sativa）品種三年自然老化前后種子進(jìn)行檢測(cè)，并對(duì)其形態(tài)和光譜兩種特征參數(shù)進(jìn)行分析。結(jié)果顯示，不同品種及其自然老化種子形態(tài)和光譜特征參數(shù)存在差異。基于形態(tài)和光譜特征參數(shù)的k-means聚類分析將不同燕麥品種種子大致歸為兩大類群：自然老化前和自然老化后。此外，運(yùn)用課題組此前開發(fā)的nCDA-CNN模型對(duì)種子老化和發(fā)芽率預(yù)測(cè)，發(fā)現(xiàn)多光譜圖像的預(yù)測(cè)準(zhǔn)確度達(dá)到了100%。進(jìn)一步分析發(fā)現(xiàn)，自然老化前后種子發(fā)芽率與顏色參數(shù)L、630 nm和690 nm波長(zhǎng)光譜反射率具有顯著正相關(guān)性（Plt;0.05）；種子老化與四個(gè)形態(tài)參數(shù)（表面積、長(zhǎng)度、形態(tài)參數(shù)B和飽和度）以及365 nm波長(zhǎng)光譜反射率具有顯著正相關(guān)性（Plt;0.05）。以上研究結(jié)果表明，不同品種的燕麥種子在自然老化前后的外部形態(tài)及光譜特征上存在顯著差異（Plt;0.05），運(yùn)用基于圖像的機(jī)器學(xué)習(xí)模型能夠準(zhǔn)確鑒別種子老化和預(yù)測(cè)發(fā)芽率，對(duì)進(jìn)一步研究老化種子的生理生化特征有一定的意義。

關(guān)鍵詞：多光譜成像；燕麥種子；無損檢測(cè)；自然老化種子；機(jī)器學(xué)習(xí)

中圖分類號(hào)：S544.9""" 文獻(xiàn)標(biāo)識(shí)碼：A""""" 文章編號(hào)：1007-0435（2024）12-3688-10

收稿日期：2024-06-20；修回日期：2024-09-19

基金項(xiàng)目：“現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系”（CARS-34）；“國家重點(diǎn)研發(fā)計(jì)劃”（2022YFD1300804）；“四川省省院省校合作重點(diǎn)研發(fā)項(xiàng)目”（2023YFSY0012）資助

作者簡(jiǎn)介：

劉俊澤（1999-），男，漢族，遼寧葫蘆島人，碩士研究生，主要從事育種與種子科學(xué)研究，E-mail：junze.liu@cau.edu.cn；*通信作者Author for correspondence，E-mail：shangang.jia@cau.edu.cn

Characteristics of Natural Ageing Phenotypes and Multispectral

Changes in Seeds of Different Oat Varieties

LIU Jun-ze1， HE Ying-cai3， MA Xiu-qin2， NI Hao-ran1， WANG Xue-meng1， WANG Qing1，

HE Xiao-fan1， NIE Jia-xin1， HU Hao1， MAO Pei-sheng1， JIA Shan-gang1*

（1.College of Grassland Science and Technology， China Agricultural University， Beijing 100193， China; 2.Qilian County Animal

Husbandry and Veterinary Station， Haibei Tibetan Autonomous Prefecture， Qinghai Province 810499， China; 3.Qilian County

Grassland Station， Haibei Tibetan Autonomous Prefecture， Qinghai Province 810499， China）

Abstract：In this study，seeds of 12 oat （Avena sativa） varieties before and after three years of natural aging were examined using multispectral imaging and analyzed for both morphological and spectral characterization parameters. The results showed that different varieties and their naturally aged seeds showed differences in both morphological and spectral characterization parameters. Based on the k-means clustering analysis of morphological and spectral parameters，the different oat varieties were roughly categorized into two major groups：one of which was the pre-naturally aged seeds and the other was the naturally aged seeds. In addition，the previously developed nCDA-CNN model was utilized for seed aging and germination probability prediction based on the training and validation sets，and it was found that the prediction accuracies of the multispectral images all reached 100%. Further analysis showed that the seed germination rate before and after natural aging was significantly correlated with different morphological parameters and spectral reflectance at 630 nm and 690 nm wavelengths;seed aging was significantly correlated with the four morphological parameters （surface area，length，morphological parameter B and saturation） as well as with spectral reflectance at 365 nm. The above findings indicated that different oat varieties seeds and their aging before and after natural aging had external morphological and spectral variability，and that seed aging and germination probability could be accurately identified and predicted by using an image-based machine learning model.

Key words：Multispectral imaging;Oat seeds;Non-destructive testing;Natural aging seeds;Machine learning

燕麥（Avena sativa L.）是世界八大糧食農(nóng)作物之一，歐洲、北美、亞洲均為燕麥的主要生產(chǎn)地［1］。我國主產(chǎn)區(qū)集中在內(nèi)蒙的陰山南北、河北的壩上、山西的太行等地［2］。燕麥具有一定的食用價(jià)值，既可用于加工食品又可用作動(dòng)物飼料，具有抗逆性強(qiáng)、適口性好、營(yíng)養(yǎng)價(jià)值高等特點(diǎn)［3］。燕麥作為優(yōu)質(zhì)草料，其青綠葉及秸稈均多汁柔嫩，適口性好，適宜于青飼和調(diào)制干草，是高寒牧區(qū)枯草季節(jié)的重要飼草料來源［4］。

近年來，多光譜成像（Multispectral imaging，MSI）技術(shù)已成為一種快速、無破壞性的檢測(cè)方法，這項(xiàng)技術(shù)將光譜技術(shù)和成像技術(shù)融為一體，越來越多地被用于各品種種子的無損檢測(cè)［5-7］。多光譜成像技術(shù)已被成功應(yīng)用于快速檢測(cè)和識(shí)別25個(gè)不同品種的紫花苜蓿種子（Medicago sativa）［8］。種子老化是農(nóng)業(yè)和植物科學(xué)領(lǐng)域中的一個(gè)重要問題，直接影響作物的生產(chǎn)力和種植效果。隨著時(shí)間的推移，種子在儲(chǔ)存和環(huán)境條件的影響下，會(huì)逐漸喪失其發(fā)芽能力和生長(zhǎng)潛力，這一過程被稱為種子老化［9］。對(duì)老化種子進(jìn)行快速準(zhǔn)確預(yù)測(cè)對(duì)于優(yōu)化種子儲(chǔ)存條件、提高種子質(zhì)量以及保障農(nóng)業(yè)生產(chǎn)的穩(wěn)定性至關(guān)重要，從而推動(dòng)農(nóng)業(yè)的可持續(xù)發(fā)展。

歸一化標(biāo)準(zhǔn)判別分析（nCDA）作為一種基于MSI的監(jiān)督變換方法，能有效地將圖像劃分為具有不同光譜特征的區(qū)域，進(jìn)一步提升了物種及品種識(shí)別的準(zhǔn)確性和解釋性，有利于后續(xù)的數(shù)據(jù)分析工作［10］。王雪萌等［11］利用nCDA預(yù)測(cè)老化種子發(fā)芽準(zhǔn)確度達(dá)到了90%～99%，成功區(qū)分了老化種子并預(yù)測(cè)其發(fā)芽率。線性判別分析（LDA）是一種用于數(shù)據(jù)分類和降維的統(tǒng)計(jì)方法，通過找到一個(gè)線性組合的特征，使得不同類別的數(shù)據(jù)點(diǎn)在這個(gè)新空間中盡可能分開，從而提高分類效果［11］。何欣等［6］利用LDA模型對(duì)紫花苜蓿種子識(shí)別準(zhǔn)確率達(dá)97.3%。本研究利用MSI將自然老化前后的12個(gè)燕麥品種進(jìn)行對(duì)比，通過比較自然老化前后燕麥種子的形態(tài)參數(shù)、光譜參數(shù)，結(jié)合nCDA算法對(duì)不同品種種子的形態(tài)特征和光譜特征進(jìn)行了分析，以利用MSI對(duì)比出自然老化前后燕麥品種種子的表型和多光譜特征差異，為燕麥品種識(shí)別和種子質(zhì)量檢測(cè)應(yīng)用提供一些思路。

1" 材料與方法

1.1" 試驗(yàn)材料

試驗(yàn)使用了12個(gè)燕麥品種，分別為‘MAGNUM’‘貝勒’‘牧樂思’‘燕王’‘牧王’‘海威’‘領(lǐng)袖’‘美達(dá)’‘魅力’‘莫妮卡’‘槍手’和‘太陽神’。試驗(yàn)用燕麥種子于2020年收獲，由中國農(nóng)業(yè)大學(xué)牧草種子實(shí)驗(yàn)室保存。

1.2" 多光譜數(shù)據(jù)采集

使用多光譜成像儀VideometerLab（Videometer A/S，Herlev，Denmark）分別在2020年和2023年進(jìn)行種子圖像信息的采集［10］。在獲取種子的RGB圖像后，導(dǎo)出種子形態(tài)特征數(shù)據(jù)，包括面積、長(zhǎng)度、寬度、長(zhǎng)寬比、緊實(shí)度圓、形狀參數(shù)、顏色參數(shù)、飽和度等指標(biāo)；然后在statistic模塊中導(dǎo)出種子的光譜特征數(shù)據(jù)，包括從種子圖像像素中計(jì)算的19個(gè)波長(zhǎng)反射光的平均反射率［11］。

1.3" 發(fā)芽率測(cè)定與模型構(gòu)建分析

各品種均采用紙上發(fā)芽，將種子以10×10擺放在發(fā)芽盒上，每個(gè)品種3次重復(fù)。參照《草種子檢驗(yàn)規(guī)程發(fā)芽試驗(yàn)》GB/T 2930.4-2017進(jìn)行操作，將培養(yǎng)箱溫度設(shè)置為恒溫20℃，模擬正常光照條件，發(fā)芽第10天測(cè)定發(fā)芽率。

種子發(fā)芽率=末次計(jì)數(shù)時(shí)全部正常發(fā)芽粒數(shù)供檢種子數(shù)×100%

1.4" 數(shù)據(jù)分析

利用VideometerLab中的MSI-Transformation Builder將不同年份的燕麥品種分別標(biāo)記為紅色和藍(lán)色，以此作為標(biāo)準(zhǔn)，依次輸出12個(gè)燕麥品種的nCDA圖像。使用R語言中的factoextra包來進(jìn)行k-means聚類分析。使用R語言中l(wèi)inkET包基于形態(tài)、光譜參數(shù)和發(fā)芽率數(shù)據(jù)，進(jìn)行了曼特爾檢驗(yàn)（即Mantel Test）。使用Origin2021來繪制形態(tài)參數(shù)和光譜參數(shù)的差異性圖片。使用IBM SPSS Statistics 26進(jìn)行單因素方差分析（One-way ANOVA），多重比較采用最小顯著差異法。使用R語言中的heatmap函數(shù)來繪制特征參數(shù)相關(guān)性熱圖。利用種子的形態(tài)和光譜的綜合信息進(jìn)行LDA、歸一化標(biāo)準(zhǔn)判別分析（nCDA）建模分析。LDA使用R語言中的MASS包進(jìn)行分析預(yù)測(cè)，nCDA分析使用VideometerLab4軟件中的MSI-Transformation Builder。nCDA-CNN腳本來自GitHub網(wǎng)站（https：//github.com/CAUhx/nCDA-CNN）使用Python3.12運(yùn)行，進(jìn)行種子老化和發(fā)芽預(yù)測(cè)。

2" 結(jié)果與分析

2.1" 不同品種自然老化前后燕麥種子的形態(tài)參數(shù)、光譜參數(shù)、發(fā)芽率比較分析

利用自然老化前后不同品種的光譜特征參數(shù)繪制了12個(gè)品種種子折線圖（圖1a），利用多光譜形態(tài)特征參數(shù)繪制了12個(gè)品種種子柱狀圖（圖1c）。選取產(chǎn)生差異較大的2個(gè)形態(tài)參數(shù)，進(jìn)行自然老化前后12個(gè)品種的比較。結(jié)果顯示，相同品種自然老化種子與未老化的種子相比較，自然老化種子長(zhǎng)度、表面積的數(shù)值顯著增加（Plt;0.05，圖1c）。隨著波長(zhǎng)的增加，光譜反射率呈上升趨勢(shì)（圖1a），其中品種‘牧王’690 nm波長(zhǎng)下的自然老化種子的光譜反射率與未老化種子相比差異較大（圖1b）。由不同燕麥品種自然老化前后的發(fā)芽率統(tǒng)計(jì)可以看出，與自然老化前種子相比，各品種自然老化后的燕麥種子發(fā)芽率明顯降低，其中‘牧王’品種種子自然老化前后的發(fā)芽率降低最多；同時(shí)，不同品種燕麥的發(fā)芽性能也存在一定差異，比如‘魅力’和‘MAGNUM’可達(dá)100%，而‘牧王’為66%（圖1d）。

2.2" 自然老化前后不同品種燕麥種子的特征參數(shù)聚類分析

利用形態(tài)特征參數(shù)進(jìn)行聚類分析，結(jié)果顯示自然老化前后的種子被歸為兩類，一類是自然老化前的12個(gè)品種種子，另一類是自然老化后12個(gè)品種的種子（圖2a）。利用光譜特征參數(shù)進(jìn)行聚類分析，結(jié)果顯示自然老化后的10個(gè)品種被歸為一類，自然老化前的12個(gè)品種和自然老化后的2個(gè)品種（2023年份的‘莫妮卡’‘美達(dá)’）被歸為一類（圖2b）。

2.3" 自然老化前后燕麥種子形態(tài)、光譜參數(shù)的線性判別分析

利用LDA模型分析自然老化前后的形態(tài)參數(shù)，LDA可視化可以呈現(xiàn)出自然老化前后12個(gè)品種的燕麥種子的差異，自然老化前后，LD1分別解釋了41.56%，48%的方差解釋。自然老化前各品種聚在一個(gè)分支（圖3a），自然老化后對(duì)于各品種區(qū)分也并不明顯（圖3b）。同時(shí)，利用LDA模型分析自然老化前后的光譜參數(shù)，LDA可視化顯示，自然老化前后，LD1分別解釋了74.95%，66.97%。自然老化前LD1能夠?qū)ⅰ翗匪肌菘āc其他品種的種子分開，也能夠?qū)⒉糠謨蓚€(gè)品種分開，比如‘美達(dá)’與‘貝勒’（圖3c），而自然老化后LD1能夠?qū)⒉糠謨蓚€(gè)品種區(qū)分開，但也有部分聚攏在一支的品種無法被分開（圖3 d）。這說明通過LDA模型利用種子的光譜參數(shù)要比利用種子形態(tài)參數(shù)的區(qū)分效果更好。

2.4" 特征參數(shù)相關(guān)性分析

對(duì)自然老化前的種子發(fā)芽率和形態(tài)、光譜特征參數(shù)分別進(jìn)行相關(guān)性分析，繪制出參數(shù)相關(guān)性的熱圖（圖4）。自然老化前種子的發(fā)芽率與緊實(shí)度圓、長(zhǎng)度、寬度、表面積、顏色參數(shù)a、顏色參數(shù)b以及長(zhǎng)寬比有一定的負(fù)相關(guān)關(guān)系，而與其余形態(tài)特征參數(shù)則有一定的正相關(guān)關(guān)系（圖4a）。自然老化后種子的發(fā)芽率與長(zhǎng)度、表面積呈現(xiàn)負(fù)相關(guān)關(guān)系，與其他形態(tài)特征參數(shù)呈現(xiàn)正相關(guān)關(guān)系，但相關(guān)性較弱（圖4b）。另外，各個(gè)形態(tài)參數(shù)之間存在一定的相關(guān)性，在熱圖中大致分為三個(gè)區(qū)域。種子自然老化前發(fā)芽率與780，970，940，880，850 nm波長(zhǎng)下的光譜反射率呈現(xiàn)負(fù)相關(guān)關(guān)系，與其他波長(zhǎng)下的光譜反射率的相關(guān)性較弱（圖4c）。種子自然老化后的發(fā)芽率與365 nm波長(zhǎng)下的光譜反射率呈現(xiàn)一定的負(fù)相關(guān)關(guān)系，而與其他波長(zhǎng)下的光譜反射率呈現(xiàn)正相關(guān)關(guān)系，同時(shí)，各波長(zhǎng)下的光譜反射率之間存在一定相關(guān)性，大致被分為兩個(gè)區(qū)域（圖4d）。

對(duì)自然老化前后種子的形態(tài)光譜參數(shù)和發(fā)芽率進(jìn)行了曼特爾檢驗(yàn)分析。結(jié)果發(fā)現(xiàn)，自然老化前種子的發(fā)芽率與顏色參數(shù)L、顏色參數(shù)B、飽和度之間呈顯著正相關(guān)。此外，長(zhǎng)度與表面積、緊實(shí)度圓與長(zhǎng)寬比、飽和度與顏色參數(shù)B之間呈顯著正相關(guān)，R值分別為0.84，0.87，0.95（圖5a）。自然老化后種子的發(fā)芽率與表面積、長(zhǎng)度、長(zhǎng)寬比、顏色參數(shù)L呈顯著正相關(guān)，同時(shí)可以看出長(zhǎng)度與表面積、緊實(shí)度圓與長(zhǎng)寬比、飽和度和顏色參數(shù)B呈現(xiàn)顯著正相關(guān)，R值分別為0.74，0.95，0.97（圖5b）。自然老化前種子的發(fā)芽率與430 nm，450 nm，470 nm，490 nm，515 nm，540 nm，570 nm，590 nm，630 nm，645 nm，660 nm，690 nm波長(zhǎng)下的光譜反射率呈顯著正相關(guān)，與630 nm，690 nm波長(zhǎng)下的光譜反射率相關(guān)性更強(qiáng)，與其他波段下的光譜反射率無較多的相關(guān)顯著性（圖5c）。自然老化后種子的發(fā)芽率與365 nm，405 nm波長(zhǎng)的光譜反射率沒有較多相關(guān)顯著性，與剩余其他波段下的光譜反射率呈顯著正相關(guān)（圖5 d）。同時(shí)又對(duì)種子是否老化與種子的形態(tài)光譜參數(shù)進(jìn)行了皮爾遜相關(guān)分析，結(jié)果表明，不論是老化種子還是未老化種子都和種子的形態(tài)光譜參數(shù)呈現(xiàn)顯著正相關(guān)的關(guān)系，其中我們發(fā)現(xiàn)老化種子和未老化種子均分別對(duì)表面積、長(zhǎng)度、形態(tài)參數(shù)B、飽和度具有較強(qiáng)的相關(guān)性（圖5e），老化種子和未老化種子也分別對(duì)365 nm波段下的光譜反射率具有較強(qiáng)的相關(guān)性（圖5f），于是選取形態(tài)參數(shù)飽和度和365 nm波段下的光譜參數(shù)繪制老化前后的柱狀圖，呈現(xiàn)出飽和度較高的為老化種子，飽和度相對(duì)較低的為未老化種子，老化種子在365 nm波段下的光譜反射率高，而未老化種子的光譜反射率會(huì)相對(duì)較低一些（圖5g）。

2.5" 利用種子自然老化前后的表型圖像、發(fā)芽結(jié)果與CNN-nCDA模型進(jìn)行快速識(shí)別

比較自然老化前后各品種的燕麥種子發(fā)芽結(jié)果，我們發(fā)現(xiàn)自然老化后各品種燕麥種子的發(fā)芽率均低于自然老化前各品種燕麥種子的發(fā)芽率，其中品種‘MAGNUM’‘牧樂思’‘燕王’‘牧王’‘海威’‘領(lǐng)袖’‘魅力’‘槍手’‘太陽神’自然老化后的發(fā)芽率顯著低于自然老化前（Plt;0.05，圖1d）。利用Videometer中涂層工具將試驗(yàn)中已知的發(fā)芽種子和不發(fā)芽種子分別標(biāo)為藍(lán)色和紅色，標(biāo)準(zhǔn)樣品種子的多光譜經(jīng)nCDA算法轉(zhuǎn)換后，種子轉(zhuǎn)換后呈不同顏色，并導(dǎo)出單個(gè)種子的nCDA圖像。利用CNN-nCDA模型將nCDA轉(zhuǎn)換的單個(gè)種子圖像進(jìn)行識(shí)別，發(fā)現(xiàn)CNN-nCDA模型對(duì)發(fā)芽種子和未發(fā)芽種子識(shí)別和鑒定率達(dá)100%（圖6a）。同時(shí)，我們也將試驗(yàn)中已知的老化種子和未老化種子分別標(biāo)為藍(lán)色和紅色，標(biāo)準(zhǔn)樣品種子的多光譜經(jīng)nCDA算法轉(zhuǎn)換后，種子轉(zhuǎn)換后呈不同顏色，并導(dǎo)出單個(gè)種子的nCDA圖像。利用CNN-nCDA模型將nCDA轉(zhuǎn)換的單個(gè)種子圖像進(jìn)行識(shí)別，發(fā)現(xiàn)CNN-nCDA模型對(duì)老化種子和未老化種子識(shí)別和鑒定率也達(dá)100%（圖6b）。

3" 討論

種子在貯藏過程中，可能會(huì)吸收空氣中的水分，從而使種子吸水膨脹變大，導(dǎo)致種子體積擴(kuò)大和顏色變深［13］。這可能是自然老化后種子的表面積、長(zhǎng)度都高于自然老化前種子的原因［14］。在本研究中，自然老化后的種子對(duì)比自然老化前的種子有顯著（Plt;0.05）的形態(tài)差別。在光譜特征方面，大部分自然老化后的燕麥種子在690 nm的光譜反射率低于自然老化前燕麥種子，這有可能是由于貯藏期間種皮顏色發(fā)生改變導(dǎo)致的［7］。同時(shí)研究結(jié)果顯示，所有測(cè)試的燕麥品種在經(jīng)過一定時(shí)間的自然老化處理后，其發(fā)芽率普遍下降，尤其是在‘MAGNUM’，‘牧樂思’‘燕王’等品種中更為顯著（Plt;0.05）。這一結(jié)果表明，自然老化過程嚴(yán)重影響了種子的活力和發(fā)芽能力［15］，‘牧王’品種可能對(duì)環(huán)境變化更為敏感或者自然老化機(jī)制更為復(fù)雜。同時(shí)，不同品種間發(fā)芽性能的差異可能與各自的遺傳特性和種子構(gòu)造有關(guān)，自然老化過程會(huì)改變種子的形態(tài)特征和化學(xué)成分［15］。研究表明，種子自然老化過程會(huì)產(chǎn)生丙二醛（Malondialdehyde，MDA）、脂肪酸和可溶性糖和積累有毒有害物質(zhì)［11］。

雖然基于光譜特征參數(shù)的聚類結(jié)果沒有將其完全區(qū)分開，但是它們?cè)谛螒B(tài)聚類中能夠區(qū)分。這說明，結(jié)合形態(tài)參數(shù)和光譜參數(shù)，可以將自然老化前后的種子區(qū)分開。基于形態(tài)特征的聚類分析顯示，自然老化前的種子被歸為一類，自然老化后的種子被歸為一類說明自然老化前后各品種種子在形態(tài)特征上產(chǎn)生顯著差異（Plt;0.05）。然而，基于光譜特征參數(shù)的聚類分析未能完全區(qū)分所有自然老化和未自然老化的種子，表明光譜數(shù)據(jù)可能受到種子內(nèi)部化學(xué)成分變化較小或測(cè)量誤差的影響［16］。這個(gè)結(jié)果從一定程度上說明了利用MSI對(duì)于特征差別較大的品種的區(qū)分比較準(zhǔn)確。因此，以上結(jié)果表明利用MSI來對(duì)自然老化前后種子進(jìn)行鑒別具有一定的效果。LDA結(jié)果進(jìn)一步揭示了形態(tài)特征和光譜特征在區(qū)分自然老化前后種子中的有效性［17］。在形態(tài)特征的LDA可視化中，自然老化前的種子表現(xiàn)出較高的聚集性，在形態(tài)參數(shù)方面，自然老化前各品種的種子聚在一個(gè)分支，而老化后品種之間的區(qū)分并不明顯。這可能說明形態(tài)參數(shù)受到自然老化影響較大，老化過程中種子的形態(tài)特征發(fā)生了變化，使得不同品種之間的區(qū)別變得不明顯［6］。相反，在光譜參數(shù)方面，自然老化前后LD1都能有效地區(qū)分部分品種，如‘牧樂思’和‘莫妮卡’，表明光譜參數(shù)在自然老化過程中具有較強(qiáng)的穩(wěn)定性和區(qū)分能力［18-20］。

自然老化前種子的發(fā)芽率與多個(gè)形態(tài)參數(shù)表現(xiàn)出顯著的相關(guān)性（Plt;0.05）［21-22］，形態(tài)特征的變化反映了種子的生理和結(jié)構(gòu)狀態(tài)對(duì)其發(fā)芽潛力的潛在影響。例如，發(fā)芽率與緊實(shí)度圓、長(zhǎng)度、寬度、表面積顯示出負(fù)相關(guān)，說明種子尺寸的增大可能與生理老化過程中的資源積累和細(xì)胞結(jié)構(gòu)緊湊性減少有一定的關(guān)系［23-25］。光譜分析結(jié)果顯示，老化前種子的發(fā)芽率與780 nm，970 nm波長(zhǎng)下的光譜反射率呈現(xiàn)負(fù)相關(guān)，可能表明這些波長(zhǎng)下的光譜反射率能反映出種子表面或內(nèi)部的某些化學(xué)成分變化，較高的反射率可能與種子表面的脂肪酸氧化有關(guān)，而這種氧化可能影響種子的活性和發(fā)芽潛力［9］。老化后種子的發(fā)芽率與365 nm波長(zhǎng)下的光譜反射率表現(xiàn)出負(fù)相關(guān)，可能與紫外光引起的化學(xué)結(jié)構(gòu)損傷有關(guān)［26］。

利用形態(tài)與光譜特征之間的交叉分析進(jìn)一步強(qiáng)調(diào)種子質(zhì)量評(píng)估中多參數(shù)分析的重要性。自然老化前種子的發(fā)芽率與顏色參數(shù)L、顏色參數(shù)B、飽和度之間存在顯著正相關(guān)（Plt;0.05），表明這些參數(shù)可能與種子的活性和質(zhì)量密切相關(guān)。在不同波長(zhǎng)下，光譜反射率與發(fā)芽率的相關(guān)性不同。自然老化前，特定波長(zhǎng)（如430 nm～690 nm）下的光譜反射率與發(fā)芽率呈顯著正相關(guān)，特別是在630 nm和690 nm波長(zhǎng)下，這可能說明這些波長(zhǎng)下的光譜反射率與種子內(nèi)部生化成分或結(jié)構(gòu)的變化緊密相關(guān)［8］。相比之下，老化后種子在365 nm和405 nm波長(zhǎng)下的光譜反射率與發(fā)芽率相關(guān)性不顯著，可能因?yàn)檫@些波長(zhǎng)更受老化過程中生化變化的影響［8］。種子是否經(jīng)過自然老化，其形態(tài)和光譜參數(shù)顯示出顯著的正相關(guān)性，說明無論種子是否經(jīng)過老化，其外觀形態(tài)和光譜特性都是評(píng)估其生理狀態(tài)的重要指標(biāo)。特別是在365 nm波段下，光譜反射率與種子是否經(jīng)歷老化的關(guān)系更為密切，可能反映了老化過程中某些特定生化物質(zhì)的積累或減少［12］。通過將形態(tài)參數(shù)飽和度和365 nm波段下的光譜參數(shù)繪制成柱狀圖，可以直觀地展示老化種子與未老化種子在這些參數(shù)上的差異。飽和度較高和光譜反射率較高的種子往往是老化種子，這可能與老化過程中生物質(zhì)組成的改變有關(guān)［27-31］。

利用Videometer的MSI和nCDA算法成功地將老化種子和未老化種子、發(fā)芽種子和未發(fā)芽種子在視覺上進(jìn)行區(qū)分，并通過顏色編碼（藍(lán)色代表發(fā)芽與老化，紅色代表未發(fā)芽與未老化）直觀地顯示這些差異。這種方法不僅提高了樣品分析的效率，也為種子質(zhì)量檢測(cè)提供了一種快速、非破壞性的技術(shù)手段。

4" 結(jié)論

本研究利用多光譜成像技術(shù)，結(jié)合形態(tài)和光譜特征參數(shù)，發(fā)現(xiàn)自然老化前后燕麥品種種子的表型和多光譜特征差異，也成功預(yù)測(cè)出燕麥老化種子是否發(fā)芽。此外，種子是否老化與部分形態(tài)光譜特征參數(shù)存在一定的相關(guān)性，未來的研究可以探討不同環(huán)境條件下種子的自然老化過程，以及這些條件如何影響種子的形態(tài)和光譜特征。同時(shí)，研究不同種子處理技術(shù)（如種子涂層、溫度和濕度控制）對(duì)種子的自然老化和存儲(chǔ)性能的影響具有重要的應(yīng)用潛力和科學(xué)價(jià)值。

參考文獻(xiàn)

［1］" 王雪萌，張涵，宋瑞，等. 中美牧草種子生產(chǎn)比較［J］. 草地學(xué)報(bào)，2021，29（10）：2115-2125

［2］" 劉睿敏，耿健. 冀北壩上地區(qū)皮燕麥品種比較試驗(yàn)［J］. 河北農(nóng)業(yè)科學(xué)，2020，24（5）：43-45

［3］" 任長(zhǎng)忠，閆金婷，董銳，等. 燕麥營(yíng)養(yǎng)成分，功能特性及其產(chǎn)品的研究進(jìn)展［J］. 食品工業(yè)科技，2022，43（12）：438-446

［4］ "葉雪玲，甘圳，萬燕，等. 飼用燕麥育種研究進(jìn)展與展望［J］. 草業(yè)學(xué)報(bào)，2023，32（2）：160-177

［5］" 金濤，劉偉，劉長(zhǎng)虹. 基于多光譜成像技術(shù)的牛肉干水分含量快速無損檢測(cè)研究［J］. 安徽農(nóng)業(yè)科學(xué)，2021，49（2）：204-205

［6］" 何欣，王雪萌，張涵，等. 基于卷積神經(jīng)網(wǎng)絡(luò)的牧草種子圖像識(shí)別［J］. 草業(yè)科學(xué)，2022，39（11）：2338-2349

［7］" ELMASRY G，MANDOUR N，AL-REJAIE S，et al. Recent applications of multispectral imaging in seed phenotyping and quality monitoring—an overview［J］. Sensors，2019，19（1090）：1-32

［8］" 倪浩然，王潤(rùn)，胡昊，等. 基于多光譜成像技術(shù)鑒別不同紫花苜蓿品種的種子［J］. 草地學(xué)報(bào)，2023，31（10）：2985-2991

［9］" 李穎，毛培勝. 牧草種子老化生理與修復(fù)研究進(jìn)展［J］. 種子，2013，32（1）：48-52

［10］SHRESTHA S，DELEURAN L，OLESEN M，et al. Use of multispectral imaging in varietal identification of tomato［J］. Sensors，2015，15（2）：4496-4512

［11］王雪萌，何欣，張涵，等. 基于多光譜成像技術(shù)快速無損檢測(cè)紫花苜蓿人工老化種子［J］. 草業(yè)學(xué)報(bào)，2022，31（7）：197-208

［12］WANG X，ZHANG H，SONG R，et al. Multiple omics datasets reveal significant physical and physiological dormancy in alfalfa hard seeds identified by multispectral imaging analysis［J］. 作物學(xué)報(bào)（英文版），2023，11（5）：1458-1468

［13］李圓圓，袁浪興，羊青，等. 草豆蔻種子的萌發(fā)與貯藏特性研究［J］. 種子，2024，43（4）：97-103

［14］韓仲志，趙友剛. 基于外觀特征識(shí)別的花生品種與品質(zhì)檢測(cè)方法［J］. 中國糧油學(xué)報(bào)，2009，24（5）：123-126

［15］金小雯，張煒煒，趙桂琴，等. 貯藏年限對(duì)燕麥種子生理生化特性的影響［J］. 草地學(xué)報(bào)，2019，27（2）：356-363

［16］王新忠，盧青，張曉東，等. 基于高光譜圖像的黃瓜種子活力無損檢測(cè)［J］. 江蘇農(nóng)業(yè)學(xué)報(bào)，2019，35（5）：1197-1202

［17］肖俊松，袁英髦，張愛雪，等. 茶葉中茶多酚和生物堿的測(cè)定及聚類和線性判別分析［J］. 食品科學(xué)，2010，31（22）：343-348

［18］吳靜珠，李慧，張鶴冬，等. 小麥種子自然老化程度的近紅外光譜無損識(shí)別［J］. 光譜學(xué)與光譜分析，2019，39（3）：751-755

［19］WITJES H，RIJPKEMA M，VAN DER GRAAF M，et al. Multispectral magnetic resonance image analysis using principal component and linear discriminant analysis［J］. Journal of Magnetic Resonance Imaging，2003，17（2）：261-269

［20］RAHMAN A，CHO B K. Assessment of seed quality using non-destructive measurement techniques：a review［J］. Seed Science Research，2016，26（4）：285-305

［21］YANG L J，ZHANG Z X，HU X W. Cultivar discrimination of single alfalfa （Medicago sativa L.） seed via multispectral imaging combined with multivariate analysis［J］. Sensors，2020，20（6575）：1-14

［22］WENG H，TIAN Y，WU N，et al. Development of a low-cost narrow band multispectral imaging system coupled with chemometric analysis for rapid detection of rice 1 smut in rice seed［J］. Sensors （Basel，Switzerland），2020，20（4）：1-12

［23］SHRESTHA S，DELEURAN L C，GISLUM R. Classification of different tomato seed cultivars by multispectral visible-near infrared spectroscopy and chemometrics［J］. Journal of Spectral Imaging，2016，5：1-9

［24］ELMASRY G，MANDOUR N，WAGNER M-H，et al. Utilization of computer vision and multispectral imaging techniques for classification of cowpea （Vigna unguiculata） seeds［J］. Plant Methods，2019，15（24）：1-16

［25］BIANCHINI V J M，MASCARIN G M，SILVA L C A S，et al. Multispectral and X-ray images for characterization of Jatropha curcas L. seed quality［J］. Plant Methods，2021，17（1）：9

［26］李興旺. 基于多光譜成像的種子外觀與純度檢測(cè)方法研究［D］. 保定：河北農(nóng)業(yè)大學(xué)，2021：1

［27］陳婧，李建平，李榮. 人工老化處理對(duì)糯玉米種子生理生化特性的影響［J］. 西北農(nóng)業(yè)學(xué)報(bào)，2016，25（6）：857-862

［28］屈煜瑩，黃鑫，徐強(qiáng)輝，等. 人工老化處理對(duì)芥藍(lán)種子生理生化特性的影響［J］. 種子，2020，39（8）：24-29

［29］孔治有，劉葉菊，覃鵬. 人工老化處理對(duì)小麥種子生理生化特性的影響［J］. 亞熱帶植物科學(xué)，2010，39（1）：17-20

［30］姬俊華，孟超敏，何慶飛. 不同老化處理時(shí)間對(duì)棉花種子生理生化的影響［J］. 種子，2017，36（11）：14-17

［31］周小梅，王自霞，喬燕祥. 人工老化處理對(duì)芝麻種子生理生化特性的影響［J］. 中國油料作物學(xué)報(bào)，2008，30（4）：460-463

（責(zé)任編輯" 付" 宸）