Varietal features of soybean photoluminescence

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

Identification of seed varieties is necessary to ensure the purity and yield of the variety. In this paper, the possibilities of determining the varietal characteristics of the photoluminescence of soybean seeds for the subsequent creation of a methodology for its varietal identification are investigated. Seeds of early and medium-early soybean varieties were taken for research. The spectral characteristics of excitation and photoluminescent radiation were measured using a CM2203 diffraction spectrofluorimeter with specialized software. The integral parameters (absorption capacity and luminescence flux) and the Stokes shift were calculated. Seed excitation occurs in the range of about 300-500nm with the main maxima at 365nm and 424nm and a small side 520nm. The difference in the integral absorption capacity by grades is up to 2.31 times, and in some ranges up to 2.66 times. The use of absorption ratios for varietal identification as relative values independent of the level of the photo signal is more preferable, but the varietal differences Ηλ1/Ηλ2 are only 1.5-1.6 times. Photoluminescence fluxes differ by 1.56 times for different varieties, which will also make it possible to distinguish the seeds of some varieties. The Stokes shift for the studied varieties differs slightly and cannot be a parameter for seed identification. It was found that the luminescent characteristics of the studied soybean varieties have noticeable quantitative differences, but less significant qualitative ones related to the ratio of excitation maxima. It is possible to identify soybean seed varieties by their luminescent properties by the magnitude of the photoluminescence flux when excited by 424nm radiation, while it is advisable to use a difference in quantitative parameters. The value of the ratio of the integral absorption abilities when excited by radiation of 424nm and 365nm, respectively, can be used. Determination of the soybean seed variety by luminescent properties will speed up the identification process and significantly reduce time and material costs.

全文:

受限制的访问

作者简介

Mikhail Belyakov

FSBSI FSAC VIM

编辑信件的主要联系方式.
Email: bmw20100@mail.ru

Grand PhD in Engineering Sciences, Chief Researcher

俄罗斯联邦, Moscow

Anna Lysenkova

Plekhanov Russian State University of Economics

Email: bmw20100@mail.ru

PhD Student

俄罗斯联邦, Moscow

参考

  1. Belyakov M.V. Lyuminescentnyj metod i optiko-elektronnye ustrojstva ekspress-diagnostiki kachestva semyan agrokul’tur: special’nost’ 05.20.02 “Elektrotekhnologii i elektrooborudovanie v sel’skom hozyajstve”: dissertaciya na soiskanie uchenoj stepeni doktora tekhnicheskih nauk Smolensk, 2021. 438 s.
  2. Klimenkov F.I., Klimenkova I.N., Ivanova L.P. i dr. Laboratornyj sortovoj kontrol’ v praktike pervichnoj selekcii i semenovodstva, identifikacii i sortovoj chistoty semyan zernovyh kul’tur // Agrarnaya Rossiya. 2023. № 12. S. 23–28. https://doi.org/10.30906/1999-5636-2023-12-23-28
  3. Lobachevskij Ya.P., Dorohov A.S. Cifrovye tekhnologii i robotizirovannye tekhnicheskie sredstva dlya sel’skogo hozyajstva // Sel’skohozyajstvennye mashiny i tekhnologii. 2021. T. 15. № 4. S. 6–10. https://doi.org/10.22314/2073-7599-2021-15-4-6-10
  4. Smolikova G.N., Shavarda A.L., Aleksejchuk I.V. i dr. Metabolomnyj podhod k ocenke sortovoj specifichnosti semyan Brassica napus L. // Vavilovskij zhurnal genetiki i selekcii. 2015. № 19(1). S. 121–127. https://doi.org/10.18699/VJ15.015
  5. Torikov V.E., Shpilev N.S., Klimenkov F.I. Ispol’zovanie elektroforeticheskih metodov dlya identifikacii sortov zernovyh kul’tur // Vestnik Altajskogo gosudarstvennogo agrarnogo universiteta. 2019. № 2(172). S. 5–12.
  6. Shazzo A.A., Kornena E.P., Kabalina E.V. Ekspress-sposob identifikacii sovremennyh sortov i gibridov semyan podsolnechnika na osnove spektral’nogo analiza kontura izobrazheniya // Izvestiya vysshih uchebnyh zavedenij. Pishchevaya tekhnologiya. 2009. № 1(307). S. 111–112.
  7. Bu Y., Jiang X., Tian J. et al. Rapid nondestructive detecting of sorghum varieties based on hyperspectral imaging and convolutional neural network // J Sci Food Agric. 2023. Vol. 103. PP. 3970–3983. https://doi.org/10.1002/jsfa.12344
  8. Fu L., Sun J., Wang S. et al. Identification of maize seed varieties based on stacked sparse autoencoder and near-infrared hyperspectral imaging technology // Journal of Food Process Engineering. 2022. Vol. 45. No. 9. e14120. https://doi.org/10.1111/jfpe.14120
  9. Li H., Zhang L., Sun H., et al. Identification of soybean varieties based on hyperspectral imaging technology and one-dimensional convolutional neural network // Journal of Food Process Engineering. 2021. Vol. 44. No. 8. e13767. https://doi.org/10.1111/jfpe.13767
  10. Singh T., Garg N.M., Iyengar S. R. S. Nondestructive identification of barley seeds variety using near-infrared hyperspectral imaging coupled with convolutional neural network // Journal of Food Process Engineering. 2021. Vol. 44. No. 10. e13821. https://doi.org/10.1111/jfpe.13821
  11. Sun J., Zhang L., Zhou X. et al. A method of information fusion for identification of rice seed varieties based on hyperspectral imaging technology // Journal of Food Process Engineering. 2021. Vol. 44. No. 9. e13797. https://doi.org/10.1111/jfpe.13797
  12. Wang Y., Song S. Variety identification of sweet maize seeds based on hyperspectral imaging combined with deep learning // Infrared Physics & Technology. 2023. Vol. 130. 104611. https://doi.org/10.1016/j.infrared.2023.104611
  13. Zhao X., Que H., Sun X. et al. Hybrid convolutional network based on hyperspectral imaging for wheat seed varieties classification // Infrared Physics & Technology. 2022. Vol. 125. 104270. https://doi.org/10.1016/j.infrared.2022.104270
  14. Zhou Q., Huang W., Tian X., et al. Identification of the variety of maize seeds based on hyperspectral images coupled with convolutional neural networks and subregional voting // J Sci Food Agric, 2021. Vol. 101. PP. 4532–4542. https://doi.org/10.1002/jsfa.11095

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Excitation spectra of soybean seeds measured by synchronous scanning.

下载 (207KB)
索引源数据
3. Fig. 2. Spectral characteristics of excitation (absorption) and luminescent glow of soybean seeds of the following varieties: Selena (1 and 1ʹ), Puma (2 and 2ʹ) and Sayana (3 and 3ʹ).

下载 (160KB)
索引源数据

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».