測試了可見光和近紅外(405-970 nm) 區(qū)域的多光譜成像，以無損區(qū)分向日葵種子中的昆蟲侵染、發(fā)霉、異色和酸敗。使用基于10個特征波長的 Fisher 線性判別函數(shù)可以實現(xiàn)對完整向日葵種子的出色分類（準確度 >97%），這些特征波長是通過 Wilks的lambda逐步方法從原始19個波長中選出的。 多光譜成像技術(shù)結(jié)合主成分分析-聚類分析（PCA-CA）可以精確聚類不同酸敗程度的完整葵花籽。我們的結(jié)果證明了多光譜成像技術(shù)作為一種快速無損分析種子質(zhì)量屬性的工具的能力，這使得在農(nóng)業(yè)和食品工業(yè)中的許多應用成為可能。
 

圖1.數(shù)據(jù)采集分析主要步驟流程圖
 

在405-970nm范圍內(nèi)收集光譜，包括可見光和 NIR 區(qū)域的較低波長。圖2顯示了完整、蟲害、發(fā)霉和異色向日葵種子作為整個數(shù)據(jù)集的平均光譜。大多數(shù)光譜的趨勢非常相似，但光譜也存在一些差異。與完整的葵花籽相比，其他三種葵花籽在780-970 nm范圍內(nèi)的光譜反射強度更高，但在405-470nm范圍內(nèi)的結(jié)果正好相反。這些現(xiàn)象反映了四種向日葵種子中數(shù)百種物理化學成分之間的許多差異，這些物理化學成分以種子的光譜帶和表面顏色為代表。完整的、蟲害的、發(fā)霉的和異色的向日葵種子之間的差異有很多可能的原因。一方面，這些差異可能源于4種葵花籽中蛋白質(zhì)、脂肪等的變化，主要表現(xiàn)為NIR區(qū)的變化。另一方面，差異可能是四顆種子外層變色和損傷導致可見區(qū)域變化的結(jié)果。這些光譜差異可用于對完整的、蟲害的、發(fā)霉的和異色的向日葵種子進行定性分類。
 

圖2.100顆完整(a)、40顆蟲害(b)、39顆發(fā)霉(c)和39顆異色(d)葵花籽的平均光譜強度圖示
 

圖3.主成分分析圖。多光譜數(shù)據(jù)主成分模型的特征值圖（X軸和Y軸分別對應于成分數(shù)量和特征值），b PC1和PC2加載圖（X軸和Y軸分別對應于光譜波長（nm）和PC的加載值）
 

特征值圖如圖3a所示。根據(jù)第二個和第三個分量之間的斜率變化，揭示了兩個重要的PC。PC1和PC2捕獲的百分比方差解釋了整個數(shù)據(jù)集中99.28% 的變異性（圖3b）。PCA 生成的載荷圖的檢查可以識別與不同樣品特征之間的主要差異相關(guān)的光學范圍。如圖3b所示，雖然PC1在整個波長上產(chǎn)生完全正負載，但525-970nm光譜范圍內(nèi)的分數(shù)高于435nm至470nm光譜范圍。它建議525-970 nm 的光譜范圍比 435-470 nm 的光譜范圍可以獲得更多關(guān)于完整葵花籽的信息。由于 PC2 在 NIR 區(qū)域（范圍從 780 到 970 nm）產(chǎn)生高負負載，在 UV、藍色、綠色和黃色區(qū)域（范圍從 405 到 590 nm）產(chǎn)生高正負載，這些波長與酸敗程度有關(guān)完整的向日葵種子。