近年來，近紅外高光譜成像技術(shù)發(fā)展迅速，在谷物、種子品質(zhì)檢測(cè)方面得到了廣泛的應(yīng)用。如種子化學(xué)成分檢測(cè)、種子品種鑒定、種子活力檢測(cè)等。利用高光譜成像系統(tǒng)通過對(duì)種子進(jìn)行光譜成像數(shù)據(jù)采集、進(jìn)一步處理分析、結(jié)合紅外熱成像及物理化學(xué)等方法測(cè)量結(jié)果構(gòu)建模型，可對(duì)谷物、種子品質(zhì)進(jìn)行快速、批量分析與檢測(cè)。

易科泰生態(tài)技術(shù)公司提供谷物、種子品質(zhì)檢測(cè)全面解決方案，高通量、非接觸、數(shù)字化：

水分是國家農(nóng)作物種子質(zhì)量標(biāo)準(zhǔn)的四大強(qiáng)制性檢測(cè)項(xiàng)目之一，種子水分含量太高會(huì)增加呼吸和養(yǎng)分消耗，降低活力；相反，水分含量太低會(huì)導(dǎo)致種子缺水和死亡，因此，準(zhǔn)確測(cè)定玉米單粒種子水分含量對(duì)檢測(cè)評(píng)估玉米種質(zhì)及精準(zhǔn)播種具有重要意義。然而，傳統(tǒng)的玉米水分檢測(cè)方法，如烘箱干燥法，存在耗時(shí)、破壞樣品、無法檢測(cè)單粒樣品等缺點(diǎn)。北京工商大學(xué)食品安全重點(diǎn)實(shí)驗(yàn)室研究人員提出了一種基于高光譜成像技術(shù)（968.05–2 575.05 nm）結(jié)合CNN-LSTM算法的快速、無損、高精度玉米種子含水量檢測(cè)方法。

該方法基于CNN-LSTM模型構(gòu)建聯(lián)合指標(biāo)RMSE/（1+R）對(duì)模型性能進(jìn)行綜合評(píng)價(jià)。使用CNN模型自動(dòng)提取光譜數(shù)據(jù)的深層特征，無需人工復(fù)雜的特征提取步驟，并提供高質(zhì)量的數(shù)據(jù)輸入到LSTM模型，從而測(cè)定玉米含水量。結(jié)果顯示：在CNN-LSTM模型下，RMSE/（1+R）指標(biāo)僅為0.141，具有較小的誤差，可以為玉米水分含量的快速、無損檢測(cè)提供可靠方法。

案例二：近紅外高光譜成像技術(shù)用于綠豆種子活力檢測(cè)

綠豆（vigna radiata）是一種高營(yíng)養(yǎng)價(jià)值的糧食作物，其浸泡后發(fā)出的嫩芽具有清熱解毒、美容養(yǎng)顏、改善視力的功效。 然而“鐵綠豆"是一種受生理影響和基因控制的“堅(jiān)硬"綠豆，在發(fā)芽過程中會(huì)產(chǎn)生霉菌并感染臨近種子發(fā)芽。所以在種子生產(chǎn)過程中必須將堅(jiān)硬種子和普通種子分開。目前，近紅外高光譜成像技術(shù)（NIR-HSI）已被廣泛應(yīng)用于種子質(zhì)量監(jiān)測(cè)與評(píng)估，其優(yōu)點(diǎn)是快速、高效、非損傷。

日本研究人員Kaewkarn Phuangsombut等人采用近紅外高光譜成像與偏最小二乘法判別分析（PLS-DA）相結(jié)合的方法建立了正常綠豆和堅(jiān)硬綠豆的分類模型：

數(shù)據(jù)顯示：在波長(zhǎng)990nm和1200nm處，健康種子的水分特征吸收峰和淀粉特征吸收峰均低于堅(jiān)硬種子。說明堅(jiān)硬綠豆在兩個(gè)波長(zhǎng)處吸收的光比正常綠豆吸收的光少（水分和淀粉含量少）。

結(jié)果顯示：大部分堅(jiān)硬種子不可萌發(fā)部分的比例均大于正常綠豆。所以NIR-HSI的研究結(jié)果可作為綠豆種子萌發(fā)性指標(biāo)，為綠豆生產(chǎn)以及綠豆發(fā)芽加工分類行業(yè)制定無損傷、數(shù)字化標(biāo)準(zhǔn)。

參考文獻(xiàn)：

[1] Zhang L, Zhang Q, Wu J, et al. Moisture detection of single corn seed based on hyperspectral imaging and deep learning[J]. Infrared Physics & Technology, 2022, 125: 104279.

[2] Phuangsombut K, Ma T, Inagaki T, et al. Near-infrared hyperspectral imaging for classification of mung bean seeds[J]. International Journal of Food Properties, 2018, 21(1): 799-807.