Рассмотрена возможность осуществления неразрушающего контроля качества семян арбуза, основанного на использовании их мультиспектральной визуализации в сочетании с хемометрикой. Для определения качества семян предложено использовать анализ основных компонент (PCA), метод наименьших квадратов - опорных векторов (LS-SVM), алгоритм нейронной сети с обратным распространением ошибки (BPNN) и модель случайного леса (RF). Показано, что как спектральные, так и морфологические данные являются ключевыми факторами для определения качества семян арбуза. Различие между высоко- и низкокачественными (мертвыми, со слабой всхожестью) семенами арбуза может быть визуализировано и достаточно точно идентифицировано (до 92% с помощью модели LS-SVM для сорта Julong и 91% с помощью метода RF для сорта Xiali).
This study focuses on the feasibility of nondestructive discrimination of high-quality watermelon seeds with a multispectral imaging system combined with chemometrics. Principal component analysis (PCA), least squares-support vector machines (LS-SVM), back propagation neural network (BPNN), and random forest (RF) were applied to determine the seed quality. The results demonstrate that both the spectral and the morphological features are essential for discrimination of the quality of watermelon seeds. Clear differences between high-quality watermelon seeds and other watermelon seeds including dead seeds and low-vigor seeds were visualized, and an excellent classification (with accuracies of 92% in the LS-SVM model for Julong and 91% in the RF model for Xiali, respectively) was achieved. These results indicate that multispectral imaging could be used for rapid and efficient non-destructive quality control of watermelon seeds.
The authors declare that there are no conflicts of interest present.