Videometer種子表型表型成像系統(tǒng)可測量種子如尺寸、顏色、形狀等，間接測定種子參數(shù)如種子純度、發(fā)芽百分比、發(fā)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(fā)芽和出苗率、幼苗生長的潛勢、植株抗逆能力和生產(chǎn)潛力的總和（發(fā)芽和出苗期間的活性水平與行為），是種子品質(zhì)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(fā)芽速度及同步性、幼苗發(fā)育與產(chǎn)量潛力。種子活力是植物的重要表型特征，傳統(tǒng)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(tǒng)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(shù)等。
   Videometer Lab 4是一款新型、功能強大且性價比較高的表型成像測量系統(tǒng)。通過控制系統(tǒng)就可以進行高分辨率多光譜成像�；�礎(chǔ)模塊包括可見光成像，UV紫外成像以及NIR成像�？晒潭〝z像頭或移動攝像頭。因拍照速度迅速，可實現(xiàn)較高通量成像�？梢詼y量較小的樣品，比如擬南芥等小植株、用多孔板培養(yǎng)的植物、多孔板里的葉圓片、以及植物的種子等，分析軟件功能強大。
    Videometer通過測量樣品在19種不同波長的LED頻閃光下的成像來獲取有用的信息。這些圖像可以獨立分析使用，也可以疊加起來合成高分辨率的彩色圖像。Videometer備選模塊包括葉綠素熒光成像模塊，能夠?qū)崿F(xiàn)葉綠素熒光成像（葉綠素a和葉綠素b）。

   Videometer種子表型活力成像系統(tǒng)包括種子形態(tài)測量、種苗多光譜熒光成像檢測等現(xiàn)代技術(shù)，全面檢測種子的形態(tài)、發(fā)芽及其抗逆性，是目前種子表型活力較全面的無損檢測系統(tǒng)，是種子及種苗表型分析的較佳組合。

主要技術(shù)特點

   LED光源技術(shù)，測量樣品在19個波段下成像獲取種子各種信息。
   VideometerLab多光譜熒光成像技術(shù)，高通量、高靈敏度檢測種苗表型、葉綠素含量、活力、光合效率及抗逆性等，進一步分析種子的反射光譜及種子含水量等。種子形態(tài)測量參數(shù)：種子數(shù)量、長度、寬度、體積大小、表面積、周長及顏色分析

種子、種質(zhì)資源庫建設(shè)

   種子葉綠素熒光成像測量，可用于小植株表型測量以及生態(tài)學研究，研究植物密度、寬度、葉柄長、葉片數(shù)、葉色、葉長、葉面積、葉顏色、葉病斑、綠度指數(shù)，花徑、花面積、花、色分級、畫圖像提取，果實品質(zhì)、縱徑、果形指數(shù)、果實顏色分級，如小側(cè)根、絨毛研究等。    Marker標記測量，如GFP綠色熒光蛋白等

    葉綠素含量測量以及生物鐘節(jié)奏研究。葉綠素含量多少與種子活力密切相關(guān)，可用此作為種子活力篩選的一個重要指標。
   世界知名種子檢驗機構(gòu)如ISTA、ESTA、英國LGC英國化學家集團、John Innes Centre、Aarhus大學、歌本哈根大學等先進種子、植物學研究機構(gòu)等全采用該系統(tǒng)進行種子、表型研究，目前利用該系統(tǒng)發(fā)表的文章已經(jīng)超過200多篇。 

利用Videometer多光譜表型研究平臺發(fā)表文章 

   1、Classification of Processing Damage in Sugar Beet (Beta vulgaris) Seeds by Multispectral  Image Analysis
   最近，來自Aarhus大學的Birte 教授研究團隊發(fā)表了題為Classification of Processing Damage in Sugar Beet (Beta vulgaris) Seeds by Multispectral  Image Analysis 的文章，對多光譜成像技術(shù)在種子質(zhì)量控制的應(yīng)用進行了深入研究。VideometerLab 多光譜成像系統(tǒng)是的光譜、計算機等技術(shù)集成設(shè)備，體現(xiàn)了近視距多光譜研究的世界水準，廣泛為機構(gòu)如ISTA等等廣泛使用。    2、Systematic establishment of colour descriptor states through image-based phenotyping
   來自University of the Philippines 的科學家最近發(fā)表了題為Systematic establishment of colour descriptor states through image-based phenotyping的文章，文章研究用到了VideometerLab多光譜表型成像系統(tǒng)。  
   3、利用多光譜成像系統(tǒng)結(jié)合化學計量法無損鑒別高品質(zhì)西瓜種子的可行性。
   研究使用了主成分分析法（PCA），最小二乘支持向量機(LS-SVM)，BP神經(jīng)網(wǎng)絡(luò)(BPNN),以及隨機森林法（RF）來測定種子品質(zhì)。結(jié)果顯示，光譜學和形態(tài)學特征在區(qū)分西瓜種子品質(zhì)時非常重要。高品質(zhì)西瓜種子與其它西瓜種子的顯著區(qū)別，如死種子和低活力種子進行視覺化，區(qū)分度極好（ Julong品種精度92%（ LS-SVM）和 Xiali品種91%（ RF 模型）。結(jié)果顯示多光譜成像可用于快速、有效無損監(jiān)測西瓜種子品質(zhì)。

   4、 Genebank seed accession phenotyping through spectral imaging
   T.  T. Chang Genetic Resources Center擁有超過 100000 序列的水稻。對每個序列而言，都有一小批采集的最原始材料，存儲在基因庫中 。每次將該序列的種子再次繁育來替換種子庫存，需要將收獲種子與種子檔案進行比較以確保表型匹配。 該對比工作由經(jīng)驗極豐富的基因庫人員進行。近年來，研究表明有限數(shù)據(jù)集光譜成像可用于區(qū)分不同品系種子，從而用于替代或協(xié)助基因庫人員確保種子表型在更替換代時的穩(wěn)定�，F(xiàn)研究工作已經(jīng)擴展到更大數(shù)據(jù)集，將成像特征與水稻的特定表型特征相關(guān)聯(lián)。研究中使用了365nm-970nm的紫外、可見光與紅外波段。特征向量包括尺寸、性狀、光譜以及紋理特征，特征經(jīng)過計算并進一步利用機器學習算法處理。特征選擇用于鑒別特征集并獲取單個特征和特定特征子集的通用描述信息。該技術(shù)可用于基因庫領(lǐng)域，來確保種子表型在多代次繁育后仍與最原始材料匹配。該技術(shù)也可用將現(xiàn)有序列批次與新進入材料進行比較，避免不必要重復(fù)。

   5、Recent Applications of Multispectral Imaging in Seed Phenotyping and Quality Monitoring—An Overview
   作為光譜學和成像技術(shù)集成，光譜成像模塊是用以解決食品和農(nóng)業(yè)領(lǐng)域評估的難題，提供了多種有效、實際的設(shè)計。因具有在寬范圍內(nèi)獲取系列電磁波譜內(nèi)的空間光譜數(shù)據(jù)獲取優(yōu)勢，該先進多光譜成像技術(shù)結(jié)合不同變量分析場景廣泛應(yīng)用于食品質(zhì)量、安全控制目的以及面臨苛刻研究挑戰(zhàn)的種子科學技術(shù)領(lǐng)域。本文為系統(tǒng)基本配置提供了一種思路并綜述了在種子質(zhì)量評估以及種子表型不同應(yīng)用領(lǐng)域所有近期獲取、處理、生成多光譜圖像的方法。本綜述始于前期綜述結(jié)束之時，僅聚焦于不同批次種子品質(zhì)評估的全操作多光譜成像系統(tǒng)。本綜述全面重點介紹了真正全操作型多光譜成像系統(tǒng)進行的切實可行研究，并未考慮僅用高光譜數(shù)據(jù)分析中的幾個主要提取波段（即未構(gòu)建獨立多光譜成像系統(tǒng)）的研究。本文是第一次嘗試對所有出版的在種子表型和品質(zhì)監(jiān)控領(lǐng)域進行綜述的文章，提供了鑒別生理化學品質(zhì)性狀、預(yù)測生理參數(shù)、檢測缺陷、蟲害以及種子健康檢測。
   6、Utilization of computer vision and multispectral imaging techniques for classifcation of cowpea (Vigna unguiculata) seeds
   最近法國科學家利用VideometerLab 3多光譜成像系統(tǒng)對豇豆種子進行分類研究，Videometerlab多光譜成像系統(tǒng)是先進的多光譜成像系統(tǒng)以及種子表型、種質(zhì)資源庫建設(shè)工具。

背景:傳統(tǒng)種子評估方法通常用破壞性取樣方法，之后進行機械、生理、生物化學和分子檢測。盡管證實有效，此類方法廣受質(zhì)疑的一點是具有破壞性， 耗時、耗力、需要有經(jīng)驗種子分析人員參與。該研究的目標是探討計算機視覺以及多光譜成像系統(tǒng)結(jié)合多變量分析法在高通量鑒別豇豆種子上的應(yīng)用。研究中采用了自動機器視覺生成系統(tǒng)（VideometerLab3），無間斷監(jiān)控種子（休眠和萌發(fā)階段）來區(qū)分不同類別的單個種子。利用從多光譜圖像中提取的單個豇豆種子的光譜特征，開發(fā)了基于線性判別式分析(LDA)的不同多變量分析模型，依據(jù)年齡、活力、發(fā)芽條件以及發(fā)育速度將種子進行分類。

結(jié)果: 結(jié)果顯示 LDA 模型在區(qū)分“老化”和“非老化”種子方面的全面正確區(qū)分率 (OCC) 分別達 到97.51, 96.76 一級 97%, ‘發(fā)芽’ 和‘非發(fā)芽‘種子全面正確區(qū)分率為81.80, 79.05 和81.0%, ‘初步萌發(fā)’, ‘中度萌發(fā)’和‘死’種子的 OCC分別為77.21, 74.93 以及68.00% 。在給出“正常”以及“異常”發(fā)芽的訓(xùn)練集、交叉驗證以及獨立驗證數(shù)據(jù)集的OCC值分別為 68.08, 64.34 以及 62.00%。研究開發(fā)了圖像處理流程，利用像素區(qū)分模型，探索多光譜成像系統(tǒng)在對不同類種子視覺區(qū)分的應(yīng)用潛力。

結(jié)論: 結(jié)果顯示多光譜成像系統(tǒng)可在紫外、可見光以及短波近紅外波段提供必要的將單個豇豆種子區(qū)分到不同類別的信息�？紤]到拍攝時間短以及制備樣品有限等情況，該多光譜成像方法以及化學計量分析法對需要在線對種子進行經(jīng)濟分類、實時分揀以及評級過程來說極有價值，系統(tǒng)不僅提供了形態(tài)學和物理學特征，還提供了檢測種子的化學信息。開發(fā)執(zhí)行針對種子品質(zhì)檢測的圖像處理算法、降低成本并增加計算機硬件的使用，在種子品質(zhì)自動檢測領(lǐng)域使用計算機集成系統(tǒng)將對業(yè)界有巨大吸引力。
 
7、Final report: Application of  multispectral imaging (MSI) to  food and feed sampling and  analysis FSA Contract Reference No.: SEP-EOI-05
Project Deliverable: 5
 
北京博普特科技有限公司是丹麥Videometer公司中國區(qū)總代理，全面負責其系列產(chǎn)品在中國市場的推廣、銷售和售后服務(wù)，目前為止，利用Videometer進行研究的文章已經(jīng)多達250多篇，在近視距多光譜表型成像研究領(lǐng)域，Videometer無疑代表了業(yè)界水準。