All publications from your selection

Download RAW file:
DOI: https://doi.org/10.7451/CBE.2019.61.7.1
Description:

Mechanical damage of seeds during harvesting and postharvest handling affects their germinability, which directly impacts crop yield. The feasibility of near-infrared (NIR) hyperspectral imaging technique was studied to predict the germinability of soybeans in a rapid and non-destructive way. Soybean seeds were artificially damaged using an impact test device, and the effect of three levels of impact energy (0.12, 0.22 and 0.32 J) was studied on the germination rates of these seeds at four moisture contents (11, 13, 15 and 17%, wet basis). A multivariate statistical model (partial least squares discriminant analysis (PLSDA)) was built using the NIR spectra of the soybean samples to classify them based on their germinability. The prediction performance of the PLSDA model was defined based on its accuracy (0.94), sensitivity (0.89) and specificity (0.91). The model showed good performance in terms of accuracy and sensitivity for pre-defined classes of soybean samples, establishing that the non-destructive NIR hyperspectral imaging technique could be used to predict soybean seed germination.

Keywords: Discrimination, germination, hyperspectral imaging, mechanical damage, PLSDA, soybean.
Résumé:

Les dommages mécaniques faits aux grains lors de la récolte et par la suite ont une incidence sur leur potentiel de germination, affectant ainsi directement le rendement des cultures. La faisabilité d’utiliser l’imagerie hyperspectrale dans le proche infrarouge (NIR) de manière rapide et non destructive a été étudiée pour prédire le potentiel de germination de grains de soya. Le taux de germination a été étudié sur des grains de quatre teneurs en eau différentes (11, 13, 15 et 17 %, base humide) qui ont été endommagés artificiellement en utilisant un outil de test d’impact et trois niveaux d’énergie (0,12, 0,22 et 0,32 J) différents. Un modèle statistique multivarié (analyse partielle par régression des moindres carrés [PLSDA]) a été conçu en utilisant le spectre NIR des échantillons de soya pour les classer selon leur potentiel de germination. La prédiction de la performance du modèle PLSDA a été définie selon son exactitude (0,94), sa sensibilité (0,89) et sa spécificité (0,91). Le modèle s’est avéré performant pour ce qui est de l’exactitude et de la sensibilité pour les classes prédéfinies d’échantillons de soya établissant ainsi que l’imagerie hyperspectrale NIR non destructive peut être utilisée pour prédire la germination de grains de soya.

Mots-clés:

Discrimination, germination, imagerie hyperspectrale, dommage mécanique, PLSDA, soya.

Citation: Erkinbaev, C., J. Morrison and J. Paliwal. 2019. Assessment of seed germinability of mechanically-damaged soybeans using near-infrared hyperspectral imaging. Canadian Biosystems Engineering 61: 7.1-7.8. https://doi.org/10.7451/CBE.2019.61.7.1
Volume: 61
Issue: 1
Pages 7.1 - 7.8
Contributor: R. Sri Ranjan
Date: September 14, 2020
Technical field: Information Systems Engineering
Conference name:
Session name:

Other information:
Type: Text.Article
Format: PDF
Publication type: Journal
Source:
Relation:
Coverage:
Language 1: en
Language 2: fr
Rights: Canadian Society for Bioengineering / Société Canadienne de Génie Agroalimentaire et de Bioingénierie
Notes:
Other files: