БЫСТРАЯ ИДЕНТИФИКАЦИЯ КАЧЕСТВА СЕМЯН АРБУЗА С ПОМОЩЬЮ МУЛЬТИСПЕКТРАЛЬНОГО ПРЕДСТАВЛЕНИЯ В СОЧЕТАНИИ С ХЕМОМЕТРИЧЕСКИМИ МЕТОДАМИ

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).

семена арбуза, мультиспектральное представление, неразрушающий контроль, watermelon seeds, multispectral imaging, nondestructive

1. A. Guo, J. Zhang, H. Sun, J. Salse, W. J. Lucas, Nat. Genet., 45, 51-58 (2012).

2. Perkins-Veazie, P. Collins, J. K. Davis, A. R. Roberts, J. Agric. Food Chem., 54, 2593-2597 (2006).

3. J. K. Collins, G. Y. Wu, P. Perkinsveazie, K. Spears, P. L. Claypool, R. A. Baker, Nutr., 23, 261-266 (2007).

4. D. S. Egel, C. Gunter, R. Martyn, Hortscience, 43, 1410-1414 (2008).

5. K. K. Moorthy, P. Babu, M. Sreedhar, V. S. A. K. Sama, P. N. Kumar, S. M. Balachandran, R. M. Sundaram, Seed Sci. Technol., 39, 282-292 (2011).

6. S. Ye, Y. Wang, D. Huang, J. Li, Y. Gong, L. Xu, L. Liu, Sci. Hort-Amsterdam, 155, 92-96 (2013).

7. M. D. Sánchez-Yélamo, Seed Sci. Technol., 34, 297-306 (2006).

8. V. N. Soares, S. G. Elias, G. I. Gadotti, A. E. Garay, F. A. Villela, Crop Sci., 56, 707-715 (2016).

9. E. Noli, S. Conti, M. Maccaferri, M. C. Sanguineti, Seed Sci. Technol., 27, 1-10 (1999).

10. N. Shetty, T. G. Min, R. Gislum, M. Olesen, B. Boelt, J. Near Infrared Spectrosc., 19, 451 (2012).

11. S. S. Shin, E. J. Shin, D. P. Sang, K. S. Lee, Can. J. Civil. Eng., 16, 538-546 (2012).

12. C. Mo, J. Lim, K. Lee, S. Kang, M. S. Kim, G. Kim, J. Biosyst. Eng., 38, 318-326 (2013).

13. A. Ambrose, S. Lohumi, W. H. Lee, B. K. Cho, Sensor Actuator B: Chem., 224, 500-506 (2016).

14. C. Mo, M. S. Kim, J. Lim, K. Lee, G. Kim, B. K. Cho, Trans. ASABE, 58, 959-968 (2015)

15. Y. Z. Feng, D. W. Sun, Crc. Crit. Rev. Food Sci. Nutr., 52, 1039-1058 (2012).

16. J. Qin, K. Chao, M. S. Kim, R. Lu, T. F. Burks, J. Food Eng., 118, 157-171 (2013).

17. F. A. E. Hahn, Biosyst. Eng., 81, 147-155 (2002).

18. M. M. Løkke, H. F. Seefeldt, T. Skov, M. Edelenbos, Posthavrvest Biol. Technol., 75, 86-95 (2013).

19. C. Liu, W. Liu, W. Chen, J. Yang, L. Zheng, Food Chem., 173, 482-488 (2015).

20. T. C. Pearson, D. T. Wicklow, Trans. ASABE, 49, 1235-1245 (2006).

21. A. I. Ropodi, D. E. Pavlidis, F. Mohareb, E. Z. Panagou, G. J. Nychas, Food Res. Int., 67, 12-18 (2015).

22. A. I. Ropodi, E. Z. Panagou, G. J. E. Nychas, Food Control, 73, 57-63 (2016)

23. C. Liu, W. Liu, X. Lu, W. Chen, J. Yang, L. Zheng, Food Chem., 153, 87-93 (2014).

24. C. Cortes, V. Vapnik, Mach. Learn., 20, 273-297 (1995).

25. O. Devos, C. Ruckebusch, A. Durand, L. Duponchel, J. P. Huvenne, Chemometer Intell. Lab. Syst., 96, 27-33 (2009).

26. U. Bradter, T. J. Thom, J. Appl. Ecol., 48, 1057-1065 (2011).

27. M. Liu, M. Wang, J. Wang, D. Li, Sensor Actuator B: Chem., 177, 970-980 (2013).