1、Screening of Barley Resistance Against Powdery Mildew by Simultaneous High-Throughput Enzyme Activity Signature Profiling and Multispectral Imaging
近期，來自歌本哈根大學的專家利用Videometer多光譜表型研究平臺在Frontiers in Plant Sciences 上發表了名為Screening of Barley Resistance Against Powdery Mildew by Simultaneous High-Throughput Enzyme Activity Signature Profiling and Multispectral Imaging的文章，研究人員利用了Videometer公司開發的多光譜表型研究平臺，波段范圍從400-1000nm，共計10個波段。值得一提的是，歌本哈根大學4個表型平臺中的3個是利用了Videometer開發的表型設備。詳細文章請大家查詢該文章。Videometer公司是歐洲的工程設計公司，在機器視覺領域的研究具有世界水準，其所開發的多光譜成像系統是目前世界上應用案例多、應用范圍廣、發表文章多的系統。
2、Classification of Processing Damage in Sugar Beet (Beta vulgaris) Seeds by Multispectral Image Analysis
近，來自Aarhus大學的Birte 教授研究團隊發表了題為Classification of Processing Damage in Sugar Beet (Beta vulgaris) Seeds by Multispectral Image Analysis 的文章，對多光譜成像技術在種子質量控制的應用進行了深入研究。VideometerLab 多光譜成像系統是的光譜、計算機等技術集成設備，體現了近視距多光譜研究的世界水準，廣泛為機構如ISTA等等廣泛使用。
3、A multispectral camera system for automated minirhizotron image analysis
Videometer系列多光譜成像系統廣泛應用于：植物/作物表型組學研究分析；根系分析；作物育種與種子品質檢測；植物/作物脅迫生理響應；作物病理學分析與病原檢測；食品檢測；中藥成分分析與品質檢測。來自哥本哈根大學、丹麥理工大學以及丹麥Videometer公司的專家在剛剛利用該設備在Plant and Soil上發表了題為A multispectral camera system for automated minirhizotron image analysis的文章，早些利用該設備進行研究的文章題為Frontiers in Plant Sciences，Screening of Barley Resistance Against Powdery Mildew by Simultaneous High-Throughput Enzyme Activity Signature Profiling and Multispectral Imaging.
丹麥Videometer公司開發的根系多光譜原位監測系統，是做根系研究的革新性專業裝備，無論對于淺根系蔬菜還是淺根系喬木，都具有現實性研究意義。目前在根系研究領域中，對于玉米根系和小麥根系所作的研究比較多，但大多還采用傳統不可重復的挖掘方法。植物根系原位監測儀的出現，改變了這種情況，使得植物研究人員在對根系進行研究的過程中，可以使用原位的方式，無損傷的進行監測。
根系是植物主要吸水、營養物等器官，通過對根系監測和研究，能優化水肥方案，促進農作物、林業等產業增產增效，有利于土地荒漠化治理、土壤修復等。但長期以來，對根系研究主要是采用挖掘法、土鉆法、土柱法、容器法、剖面法等傳統方法，采樣破壞性大、工作量大，嚴重阻礙了根系研究的深入開展。《科學》雜志曾出版專輯認為，“人類對自己腳下土壤的了解遠遠不及對宇宙的了解”，更是佐證了地下生態學研究難度之大。因此，對根系研究方法的選擇和改進，對科研結果影響巨大。
丹麥根本哈根大學科學家等利用多光譜成像系統對植物植株、根系進行成像研究，取得了前瞻性的成果。
該研究以深根系大麥為研究對象，將大麥下方埋了有3m長的微根管，使用Videometer公司的Videometer MR多光譜成像系統，定期通過根窗透明面對根系成像分析。原始光譜圖像經過Videometer自帶軟件一系列算法處理后得到目標根系圖像，隨后進行閾值分割、模糊聚類等模型分析，得到根系的形態學數據。
傳統的RGB可見光成像技術是利用顏色識別根系，前提是根系和土壤之間要有比較明顯的色差，但實際根系生長在土壤中，顏色差異并不明顯，這樣根系識別可能會造成比較大的誤差，RGB可見光成像技術使用就會受限。歌本哈根將多光譜成像技術和傳統的RGB成像技術進行了對比，顯示多光譜成像技術基于光譜特征在根系識別上的明顯優勢，并且對多光譜成像另一項*的功能進行了初步探討——即光譜特征對于根系生化特性的識別（例如細根發生、成熟、衰老、死亡的周轉過程；例如根際分泌物成分的變化等），顯示了多光譜成像技術在根系研究領域的巨大潛力。
4、Systematic establishment of colour descriptor states through image-based phenotyping
來自University of the Philippines 的科學家近發表了題為Systematic establishment of colour descriptor states through image-based phenotyping的文章，文章研究用到了VideometerLab多光譜表型成像系統。
5、利用多光譜成像系統結合化學計量法無損鑒別高品質西瓜種子的可行性。
研究使用了主成分分析法（PCA），小二乘支持向量機(LS-SVM)，BP神經網絡(BPNN),以及隨機森林法（RF）來測定種子品質。
結果顯示，光譜學和形態學特征在區分西瓜種子品質時非常重要。高品質西瓜種子與其它西瓜種子的顯著區別，如死種子和低活力種子進行視覺化，區分度*（ Julong品種精度92%（ LS-SVM）和 Xiali品種91%（ RF 模型）。結果顯示多光譜成像可用于快速、有效無損監測西瓜種子品質。
6、 Genebank seed accession phenotyping through spectral imaging
T. T. Chang Genetic Resources Center擁有超過 100000 序列的水稻。對每個序列而言，都有一小批采集的原始材料，存儲在基因庫中 。每次將該序列的種子再次繁育來替換種子庫存，需要將收獲種子與種子檔案進行比較以確保表型匹配。 該對比工作由經驗極豐富的基因庫人員進行。近年來，研究表明有限數據集光譜成像可用于區分不同品系種子，從而用于替代或協助基因庫人員確保種子表型在更替換代時的穩定。現研究工作已經擴展到更大數據集，將成像特征與水稻的特定表型特征相關聯。研究中使用了365nm-970nm的紫外、可見光與紅外波段。特征向量包括尺寸、性狀、光譜以及紋理特征，特征經過計算并進一步利用機器學習算法處理。特征選擇用于鑒別特征集并獲取單個特征和特定特征子集的通用描述信息。該技術可用于基因庫領域，來確保種子表型在多代次繁育后仍與原始材料匹配。該技術也可用將現有序列批次與新進入材料進行比較，避免不必要重復。
7、Recent Applications of Multispectral Imaging in Seed Phenotyping and Quality Monitoring—An Overview
作為光譜學和成像技術集成，光譜成像模塊是用以解決食品和農業領域評估的難題，提供了多種有效、實際的設計。因具有在寬范圍內獲取系列電磁波譜內的空間光譜數據獲取優勢，該*多光譜成像技術結合不同變量分析場景廣泛應用于食品質量、安全控制目的以及面臨苛刻研究挑戰的種子科學技術領域。本文為系統基本配置提供了一種思路并綜述了在種子質量評估以及種子表型不同應用領域所有近期獲取、處理、生成多光譜圖像的方法。本綜述始于前期綜述結束之時，僅聚焦于不同批次種子品質評估的全操作多光譜成像系統。本綜述全面重點介紹了真正全操作型多光譜成像系統進行的切實可行研究，并未考慮僅用高光譜數據分析中的幾個主要提取波段（即未構建獨立多光譜成像系統）的研究。本文是次嘗試對所有出版的在種子表型和品質監控領域進行綜述的文章，提供了鑒別生理化學品質性狀、預測生理參數、檢測缺陷、蟲害以及種子健康檢測。
8、Construction of a large-scale semi-feld facility to study genotypic diferences in deep root growth and resources acquisition
前言：Videometer公司是世界上多光譜成像系統生產商，開發了系列多光譜成像設備如VideometerLab 4多光譜成像系統、VideometrMR根系多光譜成像系統、VideometerLiq固、液兩用多光譜成像系統并與丹麥歌本哈根大學聯合開發了Radimax深根研究用多光譜成像系統，目前利用Videometer系統發表的文章已經超過了250篇，是當前表型研究領域發表文章多、應用廣泛的多光譜成像系統。
摘要
背景: 根是植物的關鍵器官，要實現產量穩定，有效利用來自土壤資源至關重要。但作物基因型之間的根性狀表型變異多數還未知，田間根系發育篩查昂貴且耗力。因此，函待開發在田間進行全生長植物根系性狀、特別是位于土壤深層的根系研究的新方法。
結果: 研究人員開發了一種新型表型設施(RadiMax)用于在半田間條件下研究根系生長以及土壤資源獲取。設施包括4個單元，每個單元面積為400m2，分別安裝有150根微根管，允許對0.4 m–1.8 m或 0.7 m–2.8 m土壤深度間隔的根進行觀察。根系觀測通過多光譜微根光成像系統實現。植物生長行與水分梯度垂直，設施安裝有多深度亞灌溉系統以及移動雨棚。水梯度可實現將根觀測與冠層脅迫反應進展相關聯。
結論:要驗證以上技術概念，選擇了栽培種春大麥 (Hordeum vulgare L.) ，種植在該系統中進行為期兩季的研究。利用該系統可觀測到不同深根生長基因型差異，在水梯度下，可觀測到地上部的生理反應。盡管進一步技術開發和技術驗證還在進行中，半田間設施不失為一種在土壤深層鑒別土壤資源有效利用的根基因差異的新方法。
關鍵詞: 干旱，微根管，氮元素，表型，根，半田間土壤，水
9、Utilization of computer vision and multispectral imaging techniques for classifcation of cowpea (Vigna unguiculata) seeds
近法國科學家利用VideometerLab 3多光譜成像系統對豇豆種子進行分類研究，Videometerlab多光譜成像系統是世界上的多光譜成像系統以及種子表型、種質資源庫建設工具。
背景:傳統種子評估方法通常用破壞性取樣方法，之后進行機械、生理、生物化學和分子檢測。盡管證實有效，此類方法廣受質疑的一點是具有破壞性， 耗時、耗力、需要有經驗種子分析人員參與。該研究的目標是探討計算機視覺以及多光譜成像系統結合多變量分析法在高通量鑒別豇豆種子上的應用。研究中采用了自動機器視覺生成系統（VideometerLab3），無間斷監控種子（休眠和萌發階段）來區分不同類別的單個種子。利用從多光譜圖像中提取的單個豇豆種子的光譜特征，開發了基于線性判別式分析(LDA)的不同多變量分析模型，依據年齡、活力、發芽條件以及發育速度將種子進行分類。
結果: 結果顯示 LDA 模型在區分“老化”和“非老化”種子方面的全面正確區分率 (OCC) 分別達 到97.51, 96.76 一級 97%, ‘發芽’ 和‘非發芽‘種子全面正確區分率為81.80, 79.05 和81.0%, ‘初步萌發’, ‘中度萌發’和‘死’種子的 OCC分別為77.21, 74.93 以及68.00% 。在給出“正常”以及“異常”發芽的訓練集、交叉驗證以及獨立驗證數據集的OCC值分別為 68.08, 64.34 以及 62.00%。研究開發了圖像處理流程，利用像素區分模型，探索多光譜成像系統在對不同類種子視覺區分的應用潛力。
結論: 結果顯示多光譜成像系統可在紫外、可見光以及短波近紅外波段提供必要的將單個豇豆種子區分到不同類別的信息。考慮到拍攝時間短以及制備樣品有限等情況，該多光譜成像方法以及化學計量分析法對需要在線對種子進行經濟分類、實時分揀以及評級過程來說極有價值，系統不僅提供了形態學和物理學特征，還提供了檢測種子的化學信息。開發執行針對種子品質檢測的圖像處理算法、降低成本并增加計算機硬件的使用，在種子品質自動檢測領域使用計算機集成系統將對業界有巨大吸引力。
北京博普特科技有限公司是丹麥Videometer公司中國區總代理，全面負責其系列產品在中國市場的推廣、銷售和售后服務，目前為止，利用Videometer進行研究的文章已經多達250多篇，在近視距多光譜表型成像研究領域，Videometer無疑代表了業界水準。
