作物种子三维数字化方法研究

张云鹤，郭新宇，卢宪菊，赵 欢，李远鲲，温维亮

(1.北京市农林科学院信息技术研究中心，北京 100097；2.国家农业信息化工程技术研究中心，北京 100097；3.北京市农林科学院智能装备技术研究中心，北京 100097；4.数字植物北京市重点实验室，北京 100097)

种子是农业生产最基本的生产资料。作物种子在生产、加工、运输和销售等环节，主要关注种子的活力、纯度以及真假种子等问题。虽然分子标记[1]和光谱成像[2]等技术已为种子检测提供了技术手段，但目前所解析的作物种子信息仍较为有限。农业规模化生产过程中，需要明确作物种子的形态结构特征，为农机作业精量播种[3]提供依据。此外，一些古老或地方品种正逐年消失，如何对作物稀缺种质资源进行数字化保护，成为作物种质资源保存保护和鉴定的难题。

随着光学传感技术[4]的快速发展，对作物种子进行三维数字化已经成为可能。以三维数字化、可视化的方式对作物种子进行数据获取和定量分析，有益于精确获取作物种子的形态结构信息，可以为作物种子信息获取、解析、应用及保存提供新的途径。

作物三维信息获取手段主要包括三维扫描[5]、三维数字化[6]、多视角三维重建[7]、X射线成像[8]等，这些技术已广泛应用于作物群体、个体和器官尺度[9]。然而，由于作物种子普遍较小，常规的三维数据获取技术无法实现种子精确三维信息的采集。

为实现作物种子形态结构信息的采集，本研究选用两款高分辨率的作物形态结构获取设备，开展典型作物种子三维数字化方法研究，为作物种子信息精准解析提供技术支持。

1 材料与方法

1.1 试验材料

选取玉米、水稻和棉花种子为试验材料。其中，玉米种子分为自交系和杂交种，每品种种子各3粒，杂交种品种选取了包衣和不包衣的种子；水稻种子选取较为古老的3个品种，每个品种各1粒；棉花种子选取3个主栽品种，每品种种子各1粒。各品种种子间具有显著的表面形态差异特征。

1.2 数据获取

分别采用高精度三维扫描仪和显微CT获取作物种子外表面和内部的形态结构数据。

1.2.1种子表面三维数据采集

采用工业逆向检测中高精度彩色三维扫描仪SmartSCAN 3 D-5.0 M(图1 a)，搭载S-030镜头，获取作物种子表面三维点云数据。该设备扫描范围为25 mm×20 mm，特征精度为±7 μm，是目前用于作物器官表面三维数据获取精度最高的仪器之一。由于扫描过程中需要利用不同角度特征实现多次扫描数据的拼接，利用其难以获取特征不显著且体积较小的种子点云数据。本研究利用其获取玉米杂交种和水稻种子的三维点云数据。扫描时需将种子不断旋转，并保证每次转动前后有公共面用于拼接。由于扫描方式为光栅拍照式，所获取的点云数据带有颜色纹理信息。

1.2.2种子内部三维数据采集

利用显微CT(SkyScan 1172型，图1 b)获取种子内部形态结构数据。扫描像素间隔设置为13.55 μm，扫描模式为2 K模式(2000×1332 px)，设置以0.4°的扫描间隔对目标种子进行180°扫描[10]。利用显微CT获取玉米自交系品种和棉花种子数据。

注：彩色三维扫描仪SmartScan(a)和Micro-CT(b)。图1 数据获取仪器Fig.1 Data acquisition instrument

1.3 基于3 D数据的种子表型计算方法

两种方法所获取的数据类型不同，因此，可提取的种子表型性状不同。例如，利用彩色三维扫描仪可提取种子外表面的平整度和颜色等性状，利用显微CT可提取种子内部的空腔体积和胚表面积等。此处仅提取两种数据源均可计算的种子体积和表面积参数。

1) 依次对种子点云进行噪声去除、点云平滑、网格生成和孔洞修补操作，得到封闭的种子网格模型，通过计算网格表面积和封闭网格的体积得到种子表面积和体积参数[11]。

2) 利用显微CT设备配套软件CT Scan NRecon对所获得的种子原始图像进行重构。在此基础上，利用软件对数据进行三维分割，得到种子数据，从而计算得到种子的表面积和体积参数[10]。

2 结 果

2.1 作物种子三维可视化结果

采用上述方法获取所选取作物种子的三维数据。由图2和图3可知，采用SmartScan三维扫描仪可获取带有颜色信息的高精度作物种子外表面三维点云数据，除种子整体轮廓和形状外，还可反映种子外表面的突起、凹陷、棱角等精细几何特征，并可呈现不同品种种子间的形态差异。

图2 玉米杂交种种子表面三维可视化结果Fig.2 3 D visualization results of seed surface of maize hybrid varieties

图3 水稻种子表面三维可视化结果Fig.3 3 D visualization results of rice seed surface

由图4和图5可知，采用Micro-CT获取的作物种子数据包含了种子内部和外部的形态结构信息，如种子表面整体的轮廓和形状，还包含了种子内部的空腔、胚乳和胚空腔的形态结构信息等。该方法还可检测到内部具有裂痕的种子(图 4 c)，这种内部破裂在种子外部多无法直接观察到。这些数据可直接用于种子内部表型的计算和种子质量鉴别等研究与应用[12]。

图4 玉米自交系种子显微可视化结果Fig.4 Results of microscopic visualization of seeds of inbred maize varieties

图5 棉花种子显微可视化结果Fig.5 Microscopic visualization of cotton seeds

2.2 表型计算结果

分别用两种方法获取的玉米(包括杂交种和自交系)、水稻和棉花种子数据，计算了各种子的表面积、体积、表面积/体积参数。结果(表1)表明，两种三维数字化方法均可以对作物种子的体积和表面积进行定量化计算，而传统方法很难给出精确的数值。体积表征了种子的大小，由表1可知，玉米杂交种种子体积显著大于玉米自交系种子；玉米种子平均体积约为棉花的2倍，为水稻种子的10倍。表面积/体积表征了单位体积占有的种子表面大小，该参数越大表明种子表面越复杂。结果(表1)表明，水稻种子表面最为复杂，棉花种子次之，玉米种子表面形态最简单，且自交系种子表面复杂度要高于杂交种。

表1 利用3 D数据提取的作物种子表面积和体积结果Table 1 Crop seed surface area and volume results extracted from 3 D data

2.3 作物种子三维数字化方法对比分析

为整体评价外表面三维扫描和显微CT成像两种作物种子三维数字化方法，从使用仪器成本、数据获取过程、可获得信息、数据质量、后处理复杂度等多方面进行对比分析(表2)。由于种子较小且内外形态细节丰富，常规数据获取设备难以实现数据采集，因此两种方法所采用仪器成本均较高，而Micro-CT成本约为SmartScan三维扫描仪的4倍。在使用SmartScan进行数据采集过程中，需要在每次扫描后人工翻动种子，实现多侧面的数据采集和拼接，数据获取过程自动化程度一般；而显微CT成像只要将种子放入成像室即可，数据获取自动化程度较高。在获取的数据内容方面，利用SmartScan可以获取种子外部精细几何和颜色信息，而无法获取内部信息；而显微CT可以获取种子内部形态信息，同时可以得到种子外表面形态信息，但无法获取种子外表面的颜色数据。利用SmartScan扫描单粒种子需要在扫描过程中对各侧面点云拼接，平均每个种子数据采集约需要100 min；利用Micro-CT进行种子成像,每粒种子约需要20 min，但对于相对较小的种子，可以多粒同时成像提升效率。外表面三维扫描适用于相对较大种子的数据采集，难以获取体积较小、无明显形态特征且高度对称的种子；由于Micro-CT样品池大小的限制，无法应用其获取尺寸较大作物种子数据。在数据后处理复杂度方面，利用SmartScan进行种子外表面三维数据采集过程中，已实现拼接并得到直接可用的3 D点云数据，仅需要进行点云去噪、网格生成、孔洞修补等后续操作，后处理相对复杂度较低；而利用Micro-CT获取的是种子切片成像数据，需要进行大量的图像分割操作，因此后处理复杂度较高。

表2 两种作物种子三维数字化方法对比Table 2 Comparison of 3 D digitization methods of two crop seeds

除上述两种设备外，试验还尝试了手持式三维扫描仪和三维测量臂，四种设备的型号、点云分辨率和3 D数据精度见表3。结果表明，手持式三维扫描仪无法获取作物种子表面信息；三维测量臂可以获取玉米种子的外表面轮廓和凹凸特征，但噪点较多；三维测量臂可以获取水稻种子外表面轮廓，但边缘等细节特征模糊。从扫描结果对比可知，手持式三维扫描仪和三维测量臂无法达到作物种子三维数据获取要求，获取设备的分辨率需要<20 μm方可满足作物种子三维数字化的需求。

表3 四种型号扫描仪对比Table 3 Comparison of four types of scanners

3 结 论

利用SmartScan三维扫描仪和Micro-CT可以实现作物种子三维数字化，并可定量提取种子表面积和体积等形态参数。采用SmartScan可实现种子表面带有颜色信息的三维数据采集，但其无法获得种子内部信息，且获取过程需人工交互多、效率低；采用Micro-CT可以实现种子内部和外部信息的同步采集，获取过程自动化程度较高、获取效率相对较高，但其无法获取种子表面的颜色信息。作物种子三维数字化数据采集要求设备分辨率<20 μm可得到满足需求的数据。文中描述的两种作物种子三维数字化方法可实现作物种子高分辨率三维数据采集，为作物种子三维数据采集、表型计算、种子质量检测和真伪识别等提供了新途径。