Неинвазивная методология, разработанная исследователями из Университета Сан-Паулу, Бразилия, облегчает идентификацию незрелых или некачественных семян без их разрушения 

В Бразилии исследователи, связанные с Центром ядерной энергии в сельском хозяйстве (CENA) и Сельскохозяйственным колледжем Луиса де Кейроса (ESALQ), которые входят в состав Университета Сан-Паулу (USP), разработали методологию, основанную на искусственном интеллекте для автоматизации и оптимизировать анализ качества семян - процесс, требуемый законом, и в настоящее время выполняемый вручную аналитиками, аккредитованными при бразильском МСХ.

Группа задействовала световые технологии, подобные тем, которые применяются при анализе растений и косметики, для получения изображений семян. Затем они обратились к машинному обучению для автоматизации процесса интерпретации изображений, сводя к минимуму некоторые трудности традиционных методов. Например, для многих видов технология оптического изображения может применяться ко всей партии семян, а не только к образцам, как это происходит сейчас. Кроме того, этот метод неинвазивен и не разрушает анализируемые продукты и не создает остатков.

Основанные на свете методы состояли из флуоресценции хлорофилла и получения мультиспектральных изображений. Среди растений, подходящих как для сельскохозяйственных культур, так и для экспериментальных моделей, выбрали томаты и морковь, выращенные в разных странах и сезонах и подвергнутые различным условиям хранения. Ученые взяли семена коммерческих сортов томатов Гаучо и Тайна, произведенных в Бразилии и США, и семена сортов моркови Бразилиа и Франсин, произведенных в Бразилии, Италии и Чили.

Выбор основан на экономическом значении этих продовольственных культур с растущим мировым спросом, а также на трудностях, с которыми фермеры сталкиваются при сборе семян. И у томатов, и у моркови процесс созревания неоднороден, потому что растения цветут непрерывно, а производство семян не синхронно, поэтому партии семян могут содержать смесь незрелых и зрелых семян. Наличие незрелых семян нелегко обнаружить визуальными методами, а методы, основанные на машинном зрении, решают проблему.

Исследователи сравнили результаты своего неразрушающего анализа с результатами традиционных тестов на всхожесть и жизнеспособность (они являются разрушительными, требуют много времени и трудозатрат).

В тесте на всхожесть разделяют образцы, высевают для прорастания в благоприятных условиях и проверяют окончательное количество нормальных сеянцев, полученных в соответствии с установленными правилами. Тесты на жизнеспособность более сложные, а большинство из них основаны на реакции семян на стресс и параметрах роста проростков.

Помимо упомянутых трудностей, традиционные методы длительные.

В случае помидоров и моркови, например, для получения результатов может потребоваться до двух недель, которые также в значительной степени субъективны, в зависимости от интерпретации аналитика. «Наше предложение состоит в том, чтобы максимально автоматизировать процесс, используя флуоресценцию хлорофилла и мультиспектральную визуализацию для анализа качества семян. Это позволит избежать всех обычных узких мест», - сказала Клиссия Барбоза да Силва, исследователь CENA-USP и один из авторов статьи, опубликованной в Frontiers in Plant Science.

Ведущим автором статьи является Патрисия Галлетти, она проводила исследование в рамках своей магистерской работы и выиграла премию в 2019 году на 7-м Конгрессе семян Америки, где представила частичные результаты проекта.

Хлорофилл как маркер качества

Хлорофилл присутствует в семенах, где обеспечивает энергию для хранения питательных веществ, необходимых для развития (липидов, белков и углеводов), а затем разрушается. «Однако, если семя не завершает процесс созревания, этот хлорофилл остается внутри него. Чем меньше остаточного хлорофилла, тем более продвинутый процесс созревания и тем больше и качественнее питательных веществ в семенах. Если хлорофилла много, семена незрелые и плохого качества», - пояснила Клиссия Барбоза да Силва.

Если свет определенной длины волны попадает на хлорофилл в семени, он не передает эту энергию другой молекуле, но повторно излучает свет с другой длиной волны, что означает, что он флуоресцирует. Ученые объясняют, что эту флуоресценцию можно измерить при помощи красного света и устройства для улавливания флуоресценции, которое преобразует его в электрический сигнал, создавая изображение, состоящее из серых, черных и белых пикселей. Более светлые участки соответствуют более высокому уровню хлорофилла, что указывает на незрелость семян и маловероятность их прорастания.

При формировании мультиспектральных изображений светодиоды (светоизлучающие диоды) излучают свет в видимой части спектра, а также невидимый свет (УФ и ближний инфракрасный). Для анализа качества семян на основе коэффициента отражения исследователи применили 19 длин волн и сравнили результаты с данными оценки качества, полученными традиционными методами. Наилучшие результаты получены при использовании ближнего инфракрасного диапазона в случае семян моркови и УФ-излучения в случае семян томата.

Семена содержат белки, липиды и сахара, которые поглощают часть света, излучаемого светодиодами, и отражают остальной. Отраженный свет улавливается мультиспектральной камерой, а захваченное изображение обрабатывается для отделения семян от опоры в устройстве, что соответствует черным пикселям с нулевым значением, тогда как семена отображаются в серой шкале. Значения пикселей на изображении семени соответствуют его химическому составу.

«Мы не работаем со средним результатом для образца. Мы проводим индивидуальную экстракцию для каждого семени. Чем больше количество данного питательного вещества содержится в семени, тем больше света определенной длины волны оно поглощает, поэтому меньше отражается. Семя с меньшим содержанием питательных веществ содержит меньше молекул, поглощающих свет. Это означает, что его коэффициент отражения выше, хотя это зависит от его компонентов, которые ведут себя по-разному в зависимости от используемой длины волны света», добавила Силва.

Алгоритм определяет длину волны, на которой достигается лучший результат. Этот процесс предоставляет информацию о химическом составе семян для выводов о качестве.

«Затем мы применили хемометрию, набор статистических и математических методов, используемых для химической классификации материалов. Идея заключалась в том, что оборудование должно классифицировать качество на основе сделанного изображения, как делается в медицине и пищевой промышленности», - продолжает автор.

Машинное обучение вошло в процесс на этапе для тестирования моделей, созданных с помощью хемометрии.

«Мы научили модель определять высококачественные и низкокачественные семена. Мы использовали 70% наших данных для обучения модели, а оставшиеся 30% - для проверки. Точность классификации по качеству колебалась от 86% до 95% в случае семян томатов и от 88% до 97% в случае семян моркови».

Два основных метода были точными и экономили время, учитывая скорость захвата изображения. Прибор для флуоресценции хлорофилла регистрировал одно изображение в секунду, в то время как мультиспектральный анализатор изображений обрабатывал 19 изображений за пять секунд.

Неожиданный результат, полученный в ходе проекта, оказался очень важным.

Флуоресценция хлорофилла и мультиспектральная визуализация могут считаться эффективными методами скрининга сортов растений, важной частью оценки партии семян во избежание экономических потерь.

«Фермеры покупают семена в расчете на определенный урожай, но если семена с разными генетическими характеристиками не будут должным образом разделены, это скажется на производстве», - говорит Силва.

В настоящее время скрининг проводится аналитиками, обладающими навыками, необходимыми для сортировки семян по цвету, форме и размеру, а также по молекулярным маркерам, где это возможно. В ходе исследования оба метода оказались эффективными для разделения сортов моркови, но мультиспектральная визуализация была неудовлетворительной в случае сортов томатов.

«Исследование дало новые результаты в отношении использования флуоресценции для отбора сортов. Мы не нашли предшествующих работ, где флуоресценция использовалась для этой цели. Некоторые исследования показывают, что многоспектральная визуализация эффективна для этой цели, но не с помощью инструмента, который мы использовали».

По словам Силвы, хорошим способом передать знания, полученные в результате исследований, в производственный сектор, было бы поручение фирм разработать оборудование для продажи производителям семян. «Можно было бы использовать результаты нашего исследования для разработки прибора, который использовал бы только ультрафиолетовый свет, чтобы охарактеризовать качество семян томатов и, например, вывести его на рынок», - предположила она.

(Источник: www.eurekalert.org).