種子純度是衡量種子質量的核心指標之一，直接影響農作物產量與品質。傳統檢測方法（如形態學觀察、生化分析）存在耗時長、破壞樣本、依賴人工等缺陷。近年來，高光譜成像技術因其融合光譜與圖像信息的優勢，成為無損檢測領域的研究熱點。中達瑞和作為國內高光譜成像設備的領先供應商，可實現國產替代，助力科研院校進行高光譜成像領域的研究和探索。本研究基于高光譜相機，結合圖像熵特征與機器學習算法，實現了多品種玉米種子的快速純度識別。

材料與方法

1. 試驗樣本

試驗樣本來自于不同種子公司提供的 BNA07、滑玉 11、農大 105、中農大田、豫單 998、SNN12、博斯田8號、谷盲 178、極早金香糯、金糯王、金賽田、京科甜 195、連玉 16、斯達 205、萬糯 11、香甜黏玉米、鄭單 958 共 17 種玉米品種，其色調均為黃色，每類各 96 粒，共 1632 個樣本。根據種子公司提供的標準，種子純度可以達到 98%以上。由于受現有測試方法的限制：同時考慮到每類樣本只有 96 粒，從概率上來說，每類種子只有不超過2粒的混雜樣本出現，故研究中直接將該批種子作為沒有品種間的混雜處理。

2.樣本采集

試驗采用高光譜成像系統（光譜范圍400~1000 nm，分辨率1 nm），配備CCD相機、鹵素光源及電動滑臺。系統通過黑箱隔絕環境光干擾，確保數據穩定性。系統的初始值設置：物距25cm，聚焦，在圖像不失真的情況下設置曝光時間為 300 ms，其空間分辨率為 0.15 mm。為降低背景的影響，將樣本放在 20 cm x 20 cm 的全黑背景下。

2. 圖像熵特征提取

玉米種子圖像的特征提取是決定玉米品種識別的關鍵因素，傳統的機器視覺方法多是從形態學特征入手，提取玉米圖像的周長，面積等特征，存在特征計算復雜的缺點?？紤]到每類玉米品種物理特性、化學特性的差異性，體現在不同波段下反射光強的差異性，而圖像的熵信息是反射光強分布差異性的一個良好的度量指標，因此本文利用不同波段下的圖像熵信息作為玉米種子的分類特征。

3. 波段選擇與分類模型

由于高光譜圖像的波段數目較多，在線獲取如此多的波段必將影響到玉米檢測分類的實時性。因此，本文結合 PLS 投影最優波段選擇算法，建立其分類模型。采用偏最小二乘（PLS）投影算法篩選關鍵波段，閾值設定為最大投影系數的20%，最終選取65個波段（占全波段27.9%）。結合偏最小二乘判別分析（PLSDA）構建分類模型，訓練集與測試集按3:1隨機劃分。

結果與分析

利用高光譜圖像技術既能反映圖像信息又能反映光譜信息的特點，應用于多類別數目條件下的玉米品種識別，提高了分類持征信息的有效性和可靠性。結果表明：利用圖像熵信息作為樣本的識別特征，在一定程度上簡化了特征提取的復雜性。

本研究驗證了高光譜成像系統在玉米種子純度檢測中的高效性。通過圖像熵特征與PLSDA模型，僅需27.9%的優化波段即可實現98.9%的分類精度，為種子質量控制的自動化與標準化提供了新方案。

中達瑞和是一家同時掌握凝采式、推掃式、光計算重構三種高光譜成像技術的公司。其VIX-N110P推掃式高光譜相機的光譜分辨率高達 1nm，光譜通道高達 1200 個，具備高靈敏度和優越的信噪比，可同時、快速獲取光譜和影像信息。中達瑞和高光譜相機的高效數據采集與處理能力，將為種子純度快速檢測提供可靠工具，助力農業智能化升級，為精準農業、智慧生態等領域注入新動能。

參考文獻
[1] 朱啟兵, 馮朝麗, 黃敏等. 基于圖像熵信息的玉米種子純度高光譜圖像識別[J]. 農業工程學報, 2012,

審核編輯 黃宇