基于红外热成像技术的玉米种子活力等级分类方法研究.pdf

现代农业科技2023 年第 18 期农艺学基于红外热成像技术的玉米种子活力等级分类方法研究金厚熙李东洋雷得超杨雨彤句 金任守华*（黑龙江八一农垦大学，黑龙江大庆 163319）摘要由于传统玉米种子活力等级分类方法存在耗时长、对环境要求严格、会对种子产生损伤等问题，本研究拟利用红外热成像技术结合 SVM 算法，建立快速、无损、高效的玉米种子活力等级分类方法。首先采用人工老化的方法将玉米种子（1 200 粒，分为 3 组）分别老化 0、72、144 h；然后将不同老化时间的玉米种子在温度胁迫后自然冷却，通过红外热成像仪采集红外热像图，提取温度值作为特征；随后对玉米种子进行标准萌发试验，根据试验结果，将玉米种子分为高活力、中活力和低活力 3 个活力等级；最后将温度值作为特征、活力等级作为标签，分别建立 K 最近邻（KNN）模型和支持向量机（SVM）模型并进行训练，以模型分类准确率和训练时间作为评价指标，确定较佳模型，再通过网格搜索对选择的模型参数进行优化。结果表明，基于红外热成像技术结合支持向量机（SVM）建立的模型，训练集准确率达到了 92.4%，测试集准确率为 91.0%，训练用时 0.12 s。经过优化后，该模型训练集准确率达到了 97.1%，测试集准确率达到了 96.5%。关键词红外热成像技术；种子活力分类；机器学习；无损检测中图分类号S339.3+1；TP751；S24文献标识码A文章编号 1007-5739（2023）18-0036-06DOI：10.3969/j.issn.1007-5739.2023.18.010开放科学（资源服务）标识码（OSID）：Classification Method of Maize Seed Vigor Grade Based on Infrared Thermal ImagingTechnologyJIN HouxiLI DongyangLEI DechaoYANG YutongJU JinREN Shouhua*(Heilongjiang Bayi Agricultural University,Daqing Heilongjiang 163319)AbstractDue to the problems of the traditional maize seed vigor grade classification method，such as long timeconsumption,strict environmental requirements and damage to seeds,this study aimed to establish a fast,non-destructive and efficient maize seed vigor grade classification method by using infrared thermal imaging technologycombined with SVM algorithm.Firstly,the maize seeds(1 200 seeds,divided into 3 groups)were aged for 0 h,72 h and144 h respectively by artificial aging method.Then,infrared thermal images of maize seeds with different aging timesthat naturally cooled after temperature stress were collected by infrared thermal imager,and temperature values wereextracted as features.Subsequently,standard germination tests were conducted on maize seeds,and according to the testresults,the maize seeds were divided into three vitality levels:high vitality,medium vitality and low vitality.Finally,theK nearest neighbor(KNN)and support vector machine(SVM)models were established and trained by using thetemperature value as the feature and vigor grade as the label,and the model classification accuracy and training timewere used as evaluation indicators to determine the optimal model,then the selected model parameters were optimizedby grid search.The results showed that the accuracy of the model established based on infrared thermal imagingtechnology combined with support vector machine(SVM)was 92.4%for the training set,91.0%for the test set,and thetraining time was 0.12 s.After optimization,the accuracy of the model reached 97.1%for the training set,and 96.5%forthe test set.Keywordsinfrared thermal imaging technology;seed vigor classification;machine learning;non-destructivetesting第一作者 金厚熙（1997），男，硕士研究生在读。研究方向：农业信息化。E-mail：*通信作者 E-mail：收稿日期 2023-01-1636玉米分布范围广、产量高，是重要的粮、经、饲兼用作物。2021 年，我国玉米种植面积达 4 332 万 hm2，产量达到 2.726 亿 t；2021 年我国玉米进口量累计达2 835 万 t，同比增长 152.2%，玉米仍需进口。种子活力是影响农作物正常生长以及决定农作物收成的重要因素之一。因此，播种前对玉米种子进行活力检测，筛选出高活力的种子用于种植，对保证玉米产量和国家粮食安全具有重要意义。目前，种子活力的常用传统检测方法主要有发芽测定法1、抗冷测定法2、加速老化试验法、电导率测定法3、酶活性测定法4、TTC 定量测定法5和 BTB 法6等。以上方法多存在检测时间长、对环境要求严格、试验试剂昂贵、对种子产生不可恢复性的损伤等缺点。因此，探究快速、高效、简便、无损的玉米种子活力鉴别方法具有重要的现实意义。机器视觉技术7在2001 年第一次被引入种子质量检测中，开启了种子活力无损检测的尝试。在此之后，种子活力检测又引入多种无损检测方法，如高光谱成像技术8、近红外光谱技术9、红外热成像技术10、激光散斑技术11、电子鼻探测技术12等多种新型技术。红外热成像技术作为一种非接触、快速、无损的检测技术，已经广泛应用于畜禽疾病和作物病害早期诊断、电力设施故障诊断、建筑质量检测等多个领域。在种子活力检测领域，Kranner 等13研究表明，红外热成像可以检测与吸胀和萌发相关的生物物理和生化变化。Men 等14利用红外热成像技术，通过对人工老化得到的不同活力等级的豌豆种子提取萌发温度曲线，搭建了分类准确率为 95%的模型。方文辉等15通过提取热成像图中胚芽部分数据构建了稻种发芽率预测模型，结果表明，采用小波分解和灰色神经网络建立稻种发芽率红外热预测模型的方法是可行的。本研究针对玉米种子活力等级传统鉴别方法存在周期长、速度慢和会对种子产生损伤等实际问题，以黑龙江省农垦科学院作物所玉米育种研究室杂交培育的垦粘一号玉米品种为研究对象，研究基于红外热成像技术的玉米种子活力等级快速鉴别方法。1材料与方法1.1材料与仪器试验用种子为黑龙江省农垦科学院作物所玉米育种研究室杂交培育的垦粘一号玉米品种。人工老化设备采用宁波赛福实验仪器有限公司的 PRX-150A 智能人工气候箱，如图 1 所示。该智能人工气候箱有效体积为 150 L，控温范围为 050，控温波动度为1，控湿范围为 50%90%（RH），控湿波动度为5%（RH），压缩机功率为 180 W，总功率为 500 W。红 外 热 像 图 采 集 设 备 采 用 飞 础 科 公 司 生 产 的FORTIC615c 型红外热像仪。该红外热像仪采集图像范围在-2065，分辨率为 0.1，像素为 320240，波长范围为 7.514.0 m。数据分析及建模采用Python 语言。1.2试验方法1.2.1不同活力种子的制备种子老化是指种子成熟后活力逐渐下降的过程。因自然老化过程缓慢，在科学研究中，为得到不同活力等级的种子，多采用人工加速老化。高华伟等16对大豆种子进行人工老化和自然老化对比，经分析表明，两者成正相关，人工老化能较好地反映自然老化过程。曾玫艳等17采用 iTRAQ 法分别测定了家榆种子人工老化和自然老化早期的蛋白质，并对两种老化方式中的差异蛋白质数量进行比较，结果表明，人工加速老化和自然老化具有相似的分子变化谱。董国军等18通过对 56 份水稻种子的人工老化指数和自然老化指数进行研究表明，人工老化技术可替代自然老化而应用于水稻耐储藏种质的筛选与育种改良中。常用的种子人工老化方法有热水浴老化法19、高温高湿老化法20和甲醇溶液老化法21等。热水浴老化法是指将种子放入（581）的热水中浸泡 1020 min。高温高湿老化法是指将种子放入高温高湿的环境中，模拟种子自然老化环境并人工加速种子老化。甲醇溶液老化法是指将种子放入 50%甲醇溶液中进行人工老化。热水浴老化时间过短，无法控制得到不同活力等级种子；甲醇老化要使用甲醇溶液，具有毒性。综合考虑，本试验选取高温高湿老化法作为种子人工图 1PRX-150A 智能人工气候箱金厚熙等：基于红外热成像技术的玉米种子活力等级分类方法研究37现代农业科技2023 年第 18 期农艺学老化方法。试验前对种子进行筛选，清除干瘪、破损、瘦小的种子。将种子分为 AA0、AA3、AA6 三组，每组样本 400 粒，分别放入尼龙袋中，共计 1 200 粒。将智能人工气候箱设为温度 45、相对湿度 90%，待气候箱内部环境稳定后，先将 AA6 组放入箱内，72 h 后将AA3 组放入箱内，再过 72 h（共计 144 h）后将箱内所有样本取出，获得未老化（AA0）、老化 72 h（AA3）和老化 144 h（AA6）的玉米种子。将样本放在室温下静置2 d，使其含水率达到相似水平，随后放于低温箱中备用。1.2.2图像采集及特征提取采集装置放置在温度稳定的空调房内，将红外热像仪镜头朝下，镜头距托盘约 16 cm；将种子在托盘上摆成三行四列，朝向一致，第一行为 AA0 组，第二行为 AA3 组，第三行为 AA6 组，如图 2（a）所示。经过不同时间人工老化的玉米种子外观并无明显差异，肉眼无法分辨种子的活力等级。采集红外热像图前，需对种子进行加热，将种子按顺序放入托盘后置于人工气候箱中，设置温度 45、相对湿度 50%。待种子达到设定温度后取出，放置在红外热像仪下方，每 5 s 采集一次图像，从 060 s 共计 13 幅红外热像图。每个老化梯度采集 400 粒种子的红外热像图，共计 1 200 粒玉米种子的红外热像图，更改红外热像图名称保证与 单粒种子对应。采集装置如图 2（b）所示。利用AnalyzIR 软件提取每粒玉米种子的表面平均温度作为温度特征，共计 13 个特征。将采集后的种子按不同老化时间分组，并按采集顺序放入发芽盘中，准备后续发芽试验。注：a 为种子摆放方式；b 为采集装置。图 2图像采集示意图1.2.3标准发芽试验按照 农作物种子检验规程 发芽试验（GB/T3543.41995）22对采集图像后的种子进行标准发芽试验，在室温 25 条件下，选用 200 孔（2010）发芽盘（盘下垫滤纸，加水保证滤纸湿润），将种子按采集顺序放入发芽盘内，每盘首、尾贴标签确认种子顺序，加水保证每粒种子均能接触到水分，每日早、中、晚 3 次对种子表面进行喷水处理，保证种子表面湿润。1.2.4温度特征预处理在建模之前需要对数据进行标准化处理，以消除量纲对模型的影响。如果对未标准化的数据直接建模，可能导致模型效果不佳。标准差标准化为采用原始数据的均值和标准差来进行标准化，多适用于数据最大、最小值未知的情况。本研究原始数据最大、最小值已知，所以采用离差标准化即最大最小值归一化进行标准化处理，标准化后数值处于0，1之间，原理如下：Xstd=X-XminXmax-Xmin（1）式中，Xstd表示标准化后的值，Xmin是指数据中的最小值，Xmax是指数据中的最大值。1.2.5分类方法的选择常用的机器学习分类方法包括决策树、K 最近邻（KNN）和支持向量机（SVM）等。决策树是一种常用的分类方法，能从一系列有特征和标签的数据中总结出决策规律，并用树状图来构建这些规律，以解决分类问题。决策树易于理解和实现，但对连续的字段难以预测，对有时间顺序的数据需要做大量预处理。本研究温度特征为连续值，所以不考虑决策树方法。K 最近邻分类算法的思路是在特征空间中，如果一个样本附近的 k 个最近（即特征空间中最邻近）样ab38本的大多数属于某一个类别，则该样本也属于这个类别。该算法简单，可用于非线性分类。但计算量较大，时间复杂度和空间复杂度较大，样本不平衡时对稀有样本分辨率低。支持向量机（SVM）是一种用于分类、回归和异常检测的有监督机器学习方法，可以有效解决小样本的分类问题，训练简单具有良好的泛化性和鲁棒性。SVM 通过引入核函数克服了维数灾难和非线性可分的问题。核函数就是将低维不可分的数据映射到高维后，使其变得可分。因此，本文采用 K 最近邻和支持向量机作为分类模型进行对比。将准确率作为分类模型的评价指标，其定义公式如下所示：A（%）=n1n2100（2）式中，A 表示准确率，n1为模型分类正确的样本个数，n2为样本总数。2结果与分析2.1种子活力等级与红外热像图之间的关系从图 3 玉米种子冷却温度曲线可以看出：不同老化时间的玉米种子受温度胁迫并进行冷却时，降温趋势相同；但不同活力等级的玉米种子具有不同的降温速率。张雷杰等23运用 BP 神经网络预测食品比热容随各种物质参数变化的规律，结果表明，比热容随着食品化学成分的变化而变化。王继红等24、陈 婧等25均通过研究表明了人工老化后玉米种子的化学成分会发生改变。因此，不同老化时间的玉米种子具有不同的比热容，所以经过相同时间温度胁迫的不同活力等级的玉米种子具有不同的冷却特性。从图 4 玉米种子的红外热像图中可以看出，不同活力等级的玉米种子经过相同时间的温度胁迫和冷却后，具有不同的温度特征。所以通过分析不同老化时间的种子的温度差异来研究温度变化和种子活力等级之间的关系是合理的。2.2标准发芽试验结果根据现有研究，按种子的萌发速度进行分类，将第 13 天内萌发的种子归为高活力等级，第 45 天萌发的种子归为中活力等级，第 5 天后萌发及不萌发的种子归为低活力等级26-27。发芽试验结果如图 5 所示，得到种子活力等级水平如表 1 所示。图 5 拍摄于标准发芽试验第 4 天。从图中可以看出，不同活力等级玉米种子的发芽速率不同，有 3 d图 3玉米种子冷却温度曲线47454341393735350510 15 20 25 30 35 40 45 50 55 60时间/s温度/高活力中活力低活力图 5发芽试验结果图 4玉米种子红外热像图AA0AA3AA6金厚熙等：基于红外热成像技术的玉米种子活力等级分类方法研究39现代农业科技2023 年第 18 期农艺学内发芽的高活力种子，有第 4 天刚发芽的中活力种子，还有霉变未发芽的低活力种子。从表 1 可以看出，随着人工老化时间的延长，种子的整体发芽率明显下降，高活力种子数量逐渐减少，而中活力及低活力种子数量逐渐增多。该现象说明高温高湿人工老化可通过影响玉米种子的生理功能进而影响种子的活力水平，导致种子的发芽速率受到影响28。2.3数据处理与模型建立2.3.1样本集划分1 200 个样本中，高活力种子 683 粒、中活力种子206 粒、低活力种子 311 粒。将样本按 2 1 的比例随机划分为训练集和测试集。样本集划分如表 2 所示。2.3.2模型的建立将采集到的温度值作为特征、种子活力等级作为标签构建模型。SVM 模型，采用 RBF 核函数进行建模，将 SVM 的惩罚因子 C 和核函数参数 g 设为默认值。K 最近邻模型，设定 K 值为默认值，P 值为默认值（使用欧几里得距离）。按表 2 的训练集和测试集进行划分并建立模型。模型训练结果如表 3 所示。从表 3 可知，SVM 方法建立的模型无论是准确率还是训练时间均优于 KNN 分类算法建立的模型，所以采用 SVM 方法进行模型的建立。尽管基于 SVM 的分类模型取得了很好的效果，但仍可用智能算法对参数惩罚因子 C 和核函数参数 g进行优化。本试验选用网格搜索（GridSearchCV）作为参数优化方法。网格搜索法是一种穷举搜索法，通过交叉验证的方法对估计函数的参数进行优化来得到最优的学习算法。即，将各个参数可能的取值进行排列组合，列出所有可能的组合结果生成“网格”。然后将各组合用于 SVM 训练，并使用交叉验证对表现进行评估。在拟合函数尝试了所有的参数组合后，返回一个合适的分类器，自动调整至最佳参数组合，可以通过内置函数获得参数值。通过网格搜索得到最优参数为 C=5，g=0.1。此时训练集准确率达到了 97.1%，测试集准确率达到了 96.5%，相较于之前分别提高了4.7 百分点和 5.5 百分点。综合分析，网格搜索参数优化对 SVM 模型的优化是有效的。将最终建立的优化后的模型作为玉米种子活力等级分类模型是可行的。3结论本文针对传统种子活力检测方法中存在的多种问题，建立了基于红外热成像技术和温度胁迫方法的玉米种子活力等级分类模型。对人工老化的玉米种子进行标准发芽试验，确定了单粒玉米种子的活力等级。从红外热像图提取温度值作为特征，采用最大最小值归一化对数据进行预处理，通过对比 KNN 和SVM 建模方法，最终选择 SVM 作为建模方法，训练集准确率达到了 92.4%，测试集准确率达到了 91.0%，训练时间 0.12 s。经过网格搜索优化确定新的参数后，训练集准确率达到了 97.1%，测试集准确率达到了 96.5%。表明红外热成像技术结合 SVM 方法建立的玉米种子活力等级分类方法具有快速、无损、准确的特点。参考文献1 顾增辉，徐本美，郑光华.测定种子活力方法之探讨（）发芽的生理测定法J.种子，1982，1（3）：11-17.2 潘威，杨晓东，乔雨，等.抗冷测定法评价烟草种子活力J.江苏农业学报，2020，36（2）：312-317.3 刘菁戈.电导率和胚根突破法用于 3 种禾草种子活力测定的适用性研究D.兰州：兰州大学，2021.4 李晓静，黄旭明，胡桂兵，等.荔枝果皮中 4 种酚类代谢酶活性的测定方法J.华南农业大学学报，2013，34（4）：531-536.5 胡迎峰，穆帅，张家祥，等.快速测定多花黄精种子活力的TTC 染色法条件研究J.安徽农学通报，2021，27（10）：31-32.6 廖芳，任瑞花，孔德英，等.丹参种子活力快速测定方法的建立及其与萌发率的相关性J.种子，2021，40（9）：130-133.7 成芳，应义斌.机器视觉技术在农作物种子质量检验中的应用研究进展J.农业工程学报，2001，17（6）：175-179.8 孙俊，张林，周鑫，等.采用高光谱图像深度特征检测水稻表 1不同老化时间的玉米种子活力等级处理AA0AA3AA6种子数/粒高活力311218154中活力398384低活力5099162发芽率/%87.575.359.5表 2训练集和测试集划分结果单位：粒样本集训练集测试集高活力447236中活力14660低活力207104样本数800400表 3不同分类模型结果模型SVMKNN训练集准确率/%92.489.2测试集准确率/%91.088.6训练时间/s0.120.2640种子活力等级J.农业工程学报，2021，37（14）：171-178.9 杨冬风，尹淑欣，姜丽，等.玉米种子活力近红外光谱智能检测方法研究J.核农学报，2013，27（7）：957-961.10 方文辉，卢伟，徐鸿力，等.基于红外热成像技术和广义回归神经网络的稻种发芽率检测方法研究J.光谱学与光谱分析，2016，36（8）：2692-2697.11 王佩斯，毕昆.基于激光散斑检测玉米种子活力方法的研究J.应用激光，2011，31（6）：473-477.12 张婷婷，孙群，杨磊，等.基于电子鼻传感器阵列优化的甜玉米种子活力检测J.农业工程学报，2017，33（21）：275-281.13 KRANNER I，KASTBERGER G，HARTBAUER M，et al.Noninvasive diagnosis of seed viability using infraredthermographyJ.Proceedings of the National Academy ofSciences of the United States of America，2010，107（8）：3912-3917.14 MEN S，YAN L，LIU J X，et al.A classification method forseed viability assessment with infrared thermographyJ.Sensors，2017，17（4）：845.15 方文辉，卢伟，洪德林，等.基于多尺度小波变换和灰色神经网络的稻种发芽率红外热预测模型的研究J.光学学报，2015，35（10）：119-127.16 高华伟，满强，潘晶，等.大豆人工老化与自然老化的种子活力差异研究J.种子，2015，34（1）：14-18.17 曾玫艳，李莹，汪晓峰，等.人工老化和自然老化家榆种子的 iTRAQ 蛋白质组学分析J.分子植物育种：1-182023-08-15.http：/ 董国军，胡兴明，曾大力，等.水稻种子人工老化和自然老化的比较研究J.浙江农业科学，2004（1）：29-31.19 张海艳.热水老化处理对玉米种子发芽及幼苗生长的影响J.江苏农业科学，2015，43（6）：96-97.20 赵欣欣，刘继权，王奇，等.玉米种子对高温高湿老化的响应研究J.吉林农业科学，2015，40（2）：11-15.21 张海艳.甲醇老化处理对玉米种子发芽和幼苗生长的影响J.玉米科学，2015，23（3）：76-79.22 国家技术监督局.农作物种子检验规程 发芽试验：GB/T3543.41995S.北京：中国标准出版社，1996.23 张雷杰，张敏，杨乐，等.食品比热容的 BP 神经网络预测J.安徽农业科学，2009，37（17）：8296-8297.24 王继红，陈绍宁，白冰，等.人工老化对玉米种子蛋白质组的影响J.河南农业大学学报，2009，43（3）：232-235.25 陈婧，李建平，李荣.人工老化处理对糯玉米种子生理生化特性的影响J.西北农业学报，2016，25（6）：857-862.26 KANDPAL L M，LOHUMI S，KIM M S，et al.Near-infraredhyperspectral imaging system coupled with multivariatemethods to predict viability and vigor in muskmelon seedsJ.Sensors and Actuators B：Chemical，2016，229：534-544.27 FAN Y M，MA S C，WU T T.Individual wheat kernels vigorassessment based on NIR spectroscopy coupled with ma-chine learning methodologiesJ.Infrared Physics&Tech-nology，2020，105：103213.28 祝煜中，夏黎明，竺思仪，等.人工老化的甜玉米种子活力、生理特性和遗传多样性的变化J.华南农业大学学报，2018，39（1）：25-30.（上接第 35 页）度也较小，但生育期短、生长势强、一致性好、抗逆性较强，综合表现较好。当地自留种 2 产量最低，且一致性差，抗冻性差，不适合本地推广。荃银油 5 号产量不占优势，但生育期短、抗性好，可再进行试验观察。参考文献1 刘正琼，王洪锦.油菜多功能开发利用研究综述J.现代农业科技，2019（24）：1-2.2 张哲，殷艳，刘芳，等.我国油菜多功能开发利用现状及发展对策J.中国油料作物学报，2018，40（5）：618-623.3 郭立.4 个油菜品种的引进筛选试验J.种业导刊，2021（3）：33-34.4 阜阳市地方志编纂委员会.阜阳地区志M.北京：方志出版社，1996.5 阜阳市农业委员会，安徽农业大学.安徽省阜阳市耕地地力评价与应用M.北京：中国农业出版社，2016.6 史力.拎稳安徽人的“油瓶子”EB/OL.（2022-07-12）2023-02-02.http：/