常規方法難以從苜蓿種子批次中去除甜三葉草種子，影響種子批次的純度，從而導致苜蓿干草生產和種子產量的損失。然而，如果沒有專門的培訓，很難區分苜蓿種子批次中的甜三葉草種子污染。在這項研究中，評估了具有面向對象的多變量圖像分析的多光譜成像分離甜三葉草和苜蓿種子的潛力。應用主成分分析(PCA)、線性判別分析(LDA)、偏最小二乘判別分析(PLSDA)、AdaBoost和支持向量機(SVM)等方法根據甜三葉草和苜蓿的形態特征和光譜特征對種子進行分類或其組合。結果表明，基于測試數據集中的形態特征和光譜數據的組合，可以實現出色的分類。在LDA模型的驗證集中，種子分類準確率高達99.58%，優于PLSDA（68.19%）、AdaBoost（96.95%）和SVM（98.47%）模型。因此，多光譜成像與化學計量學多變量分析相結合是一種很有前景的技術，可以高效識別苜蓿種子批次中的甜三葉草種子。
 

關鍵詞：苜蓿，多光譜成像，多元分析，甜三葉草

圖1.苜蓿和草木犀種子19個波長（nm）的平均光譜強度
 

苜蓿和苜蓿的種子具有顯著不同的光反射模式。一般來說，在405到430nm和660到880nm的光譜范圍內，在Melilotus spp 中觀察到顯著更高的反射率值。種子與苜蓿種子相比。然而，在450至630nm和940至970nm波長范圍內，觀察到相反的趨勢，與苜蓿種子相比，苜蓿種子具有顯著更高的反射強度。
 

基于VideometerLab的nCDA模型，區域MSI平均值為正的種子被歸類為苜蓿屬，負值的種子被歸類為苜蓿。對于驗證樣本，360個Melilotus spp 中的7個。360顆紫花苜蓿種子中有13顆正確分類，平均分類準確率為97.22%。

圖2.苜蓿和苜蓿屬植物的預測�；�于從nCDA轉換圖像計算的區域MSI平均值的數據集