Low-cost system for multispectral image acquisition and its applicability to analysis of the physiological potential of soybean seeds

Abstract

The use of multispectral images has great potential to assess seed quality and represents a significant technological advance in the search for fast and non-destructive analysis techniques. However, the devices currently available are expensive. Thus, this study aimed to propose a low-cost method for acquisition and processing of multispectral images of soybean seeds and to evaluate their potential for rapid determination of seed physiological potential. The study was conducted in three steps: implementation of the multispectral image acquisition system, development of an algorithm for automatic image processing, and evaluation of the relationship between the data obtained through image analysis and the results of standard tests used to evaluate seed physiological potential. A total of 43 variables were assessed, eight related to seed physiological potential (germination and vigor) and 35 obtained from the analysis of the multispectral images. Of the variables obtained from multispectral images, 21 were related to pixel values in the images in the different bands evaluated (green, red, and infrared) and 14 associated with seed morphometric characteristics. The proposed system is efficient in obtaining multispectral images and the algorithm developed was efficient to extract morphometric characteristics and pixel information from the images. The parameters obtained from the NIR spectrum region showed a good relationship with the physiological potential of soybean seeds.

Aplicações avançadas de aprendizado de máquina e ferramentas de análise de imagem para classificação e fenotipagem de sementes

“…Em outras palavras, a rede aprende a associar as medidas de reflectância espectral a uma classificação de qualidade da semente ajustando os pesos das conexões entre os seus neurônios, de modo a minimizar o erro entre as saídas previstas e as classificações conhecidas dos dados de treinamento. Em outras abordagens de classificação utilizando redes neurais, pesquisadores demonstraram o seu potencial para diferenciar cultivares (Shrestha et al, 2015;, identificar níveis de deterioração em sementes ElMasry et al, 2019b;Soares et al, 2023), identificar padrões de maturação fisiológica , identificar precocemente contaminação patogênica (França-Silva et al, 2020;Rego et al, 2020b), entre outros.…”

“…Em outro estudo, com a utilização de imagens de autofluorescência multiespectral foi possível classificar sementes de soja em diferentes níveis de envelhecimento acelerado artificial, com destaque para intensidade da autofluorescência no comprimento de onda de excitação de 365 e 660 nm, atribuída principalmente às clorofilas . Correlações significativas entre variáveis de reflectância e aspectos fisiológicos de germinação e vigor também foram observadas, principalmente na faixa do infravermelho, obtidas com sistema multiespectral de baixo custo (Soares et al, 2023). Apesar das evidências científicas existentes, ainda há muitas lacunas a serem preenchidas no que diz respeito à aplicação da técnica.…”