VideometerLab 4多光譜種子表型成像系統是丹麥理工大學與丹麥Videometer公司開發，是用于種子研究先進的多光譜表型成像設備，典型客戶為ISTA國際種子檢驗協會、ESTA歐洲種子檢驗協會、John Innes Centre、LGC化學家集團、奧胡斯大學等等，利用該系統發表的文章已經超過300篇。
 

Videometer種子表型表型成像系統可測量種子如尺寸、顏色、形狀等，間接測定種子參數如種子純度、發芽百分比、發芽率、種子健康度、種子成熟度、中壽命等。種子活力綜合種子活力是種子發芽和出苗率、幼苗生長的潛勢、植株抗逆能力和生產潛力的總和（發芽和出苗期間的活性水平與行為），是種子品質的重要指標，具體包括吸漲后旺盛的代謝強度、出苗能力、抗逆性、發芽速度及同步性、幼苗發育與產量潛力。種子活力是植物的重要表型特征，傳統檢測方法包括低溫測試、高溫加速衰老測試、幼苗生長測定等。
 

該系統也可以對細菌、蟲卵、真菌等進行高通量成像測量，進行病理學、毒理學或其它研究。對于擬南芥等冠層平展的植物，可以進行自動的葉片計數等。
 

摘要

玉米不可避免地受到玉米赤霉烯酮（zearalenone，ZEN）的污染，對人類造成嚴重危害。本研究采用多光譜成像（MSI）技術結合不同的機器學習方法檢測玉米中的ZEN含量。利用遺傳算法和反向傳播神經網絡（GA-BPNN）可以選擇與玉米中ZEN濃度最相關的波長。結果表明，GA-BPNN方法可以檢測出ZEN污染水平，準確率為93.33%。此外，GA-BPNN算法是定量預測ZEN污染含量的最佳方法，預測集的相關系數（R p）、均方根誤差（RMSEP）、殘差預測偏差（RPD）和偏差分別達到0.95、3.66μg/kg、5.39和1.55μg/kg。可以得出結論，多光譜成像與機器學習相結合適用于玉米禪宗含量的快速測量。

關鍵詞：多光譜成像、無損檢測、玉米赤霉烯酮、機器學習方法 

Application of multispectral imaging combined with machine learning methods for rapid and non-destructive detection ofzearalenone (ZEN) in maize 

Abstract

Maize is inevitably contaminated by zearalenone (ZEN) that will cause serious harm to human beings. In this study, multispectral imaging (MSI) technology combined with different machine learning were used to detect ZEN content in maize. The wavelengths that were most related to ZEN concentration in maize could be selected by genetic algorithm with a back-propagation neural network (GA-BPNN). Our results showed that ZEN contamination level could be detected with the accuracy of 93.33% by GA-BPNN method. In addition, for quantitative prediction of ZEN contamination content GA-BPNN algorithm was the best method with the correlation coefficient (R p ), the root means square error (RMSEP), residual predictive deviation (RPD) and bias achieved to 0.95, 3.66 μg/kg, 5.39 and 1.55 μg/kg, respectively in prediction set. It can be concluded that multispectral imaging combined with machine learning was applicable for rapid measurement of ZEN content in maize. 

Key words: Multispectral imaging, Non-destructive detection, Zearalenone in maize,Machine learning method