紫苏种子适宜的液体分选全程技术研究

为进一步推进液体分选在提升种子质量方面的应用,选用紫苏种子(发芽率约55%)为材料,分别采用0.85g/cm^(3)、0.90g/cm^(3)、0.95g/cm^(3)、1.00g/cm^(3)的乙醇溶液作为分选液体,对紫苏种子进行分选。结果表明:紫苏种子的比重与种子活力显著相关,如采用0.90g/cm^(3)、0.95g/cm^(3)的乙醇溶液进行分选,获选紫苏种子占比分别为88.3%和67.7%,发芽率分别显著提升至78.9%和88.3%,均达到紫苏种子的相关质量标准要求,效果均显著优于传统的风选-圆孔筛筛选-比重选清选工艺(获选占比61.9%,发芽率68.0%)。综合确定紫苏种子液体分选全程工艺为:用0.90g/cm^(3)的乙醇溶液分选紫苏种子,捞出下沉的种子,离心甩干3min,43℃旋转烘干35min。

基于机器视觉技术的紫苏种子活力快检指标筛选研究

传统的种子活力检测方法操作繁琐、周期长,而种皮叶绿素在欧洲被广泛用于种子成熟度或活力的判别。以叶绿素检测法为对照,采用机器视觉技术提取不同活力水平紫苏种子的表型指标,结合单粒发芽情况及群体发芽试验,通过相关性分析,筛选可替代的种子活力快检指标。研究结果表明,从红色至绿色的范围(a)、从蓝色至黄色的范围(b)、饱和度(S)3个颜色指标与紫苏种子活力的相关系数均稳定高于叶绿素含量,在不同组别种子间的变异系数高于或接近叶绿素含量。建议在紫苏种子生产、加工、销售等各个环节,通过检测a、b、S任一指标代替叶绿素检测来判别种子质量,降低检测成本。

基于机器视觉技术的小粒中药材种子净度快速检测

为探究机器视觉技术用于小粒中药材种子净度快速检测的可行性,以黄芩、桔梗、黄芪、紫苏和柴胡5种常见小粒中药材种子为材料,使用扫描仪获取净种子、其他植物种子和所含杂质的图像,采用种子自动化分析系统(PhenoSeed)批量提取种子、其他植物种子及所含杂质的颜色、尺寸及纹理信息,通过相关性分析和主成分分析进行特征变量的筛选,采用多层感知器(MLP)和二元逻辑回归(BLR)建立上述5种中药材种子净度快速检测模型。结果表明,净种子、其他植物种子及所含杂质在物理指标方面存在显著差异,针对不同种子,采用不同指标建立的MLP净度模型的训练集和测试集准确率均在96.0%以上,该模型在不同中药材种子上的稳定性均优于BLR模型;以特征指标建立的模型稳定性优于全部指标的建模效果,运用特征变量建立的MLP模型对不同净度梯度(75.0%~100.0%)的混合样本进行预测,回归曲线的决定系数均达到0.99以上。采用机器视觉技术获取种子、其他植物种子及所含杂质颜色、尺寸和纹理等信息,以特征指标建立MLP模型可用于小粒中药材种子的净度快速检测。