JP2020170006A - 近赤外光を用いた樹木の種子選別方法 - Google Patents
近赤外光を用いた樹木の種子選別方法 Download PDFInfo
- Publication number
- JP2020170006A JP2020170006A JP2020104743A JP2020104743A JP2020170006A JP 2020170006 A JP2020170006 A JP 2020170006A JP 2020104743 A JP2020104743 A JP 2020104743A JP 2020104743 A JP2020104743 A JP 2020104743A JP 2020170006 A JP2020170006 A JP 2020170006A
- Authority
- JP
- Japan
- Prior art keywords
- seeds
- seed
- ratio
- wavelengths
- threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012216 screening Methods 0.000 title abstract 3
- 210000001161 mammalian embryo Anatomy 0.000 claims abstract description 33
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 241000218631 Coniferophyta Species 0.000 claims abstract description 17
- 240000005109 Cryptomeria japonica Species 0.000 claims description 30
- 241000218652 Larix Species 0.000 claims description 27
- 210000002257 embryonic structure Anatomy 0.000 claims description 19
- 235000005590 Larix decidua Nutrition 0.000 claims description 18
- 241000218641 Pinaceae Species 0.000 claims description 17
- 241000218691 Cupressaceae Species 0.000 claims description 16
- 241000894007 species Species 0.000 claims description 12
- 235000011613 Pinus brutia Nutrition 0.000 claims description 6
- 241000218657 Picea Species 0.000 claims description 4
- 235000008331 Pinus X rigitaeda Nutrition 0.000 claims description 4
- 241000018646 Pinus brutia Species 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 230000036512 infertility Effects 0.000 abstract 1
- 239000007787 solid Substances 0.000 description 91
- 230000035784 germination Effects 0.000 description 13
- 230000003595 spectral effect Effects 0.000 description 9
- 235000001630 Pyrus pyrifolia var culta Nutrition 0.000 description 8
- 240000002609 Pyrus pyrifolia var. culta Species 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 150000002632 lipids Chemical class 0.000 description 6
- 230000005484 gravity Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000009331 sowing Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 3
- 229910052736 halogen Inorganic materials 0.000 description 3
- 150000002367 halogens Chemical class 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 241000218645 Cedrus Species 0.000 description 2
- 229910000661 Mercury cadmium telluride Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 241001311472 Abies sachalinensis Species 0.000 description 1
- 240000005020 Acaciella glauca Species 0.000 description 1
- 240000002791 Brassica napus Species 0.000 description 1
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 1
- 241000723436 Chamaecyparis obtusa Species 0.000 description 1
- 235000018782 Dacrydium cupressinum Nutrition 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 235000013697 Pinus resinosa Nutrition 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 239000011269 tar Substances 0.000 description 1
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
- A01C1/02—Germinating apparatus; Determining germination capacity of seeds or the like
- A01C1/025—Testing seeds for determining their viability or germination capacity
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physiology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
【課題】非破壊的な操作により、ある針葉樹の種子が充実種子であるかを判別し、充実種子と不稔種子が混在した種子群から充実種子を選別する方法を提供する。【解決手段】以下の工程を含む、正常な胚を持つ針葉樹の種子のみを特定して選別する（ａ）上記種子から反射される近赤外光のスペクトルを測定する；（ｂ）２つの特定の波長を特定し、該２つの特定の波長における反射率のデータを、上記種子について抽出する。（ｃ）前記抽出した反射率の比を各種子について計算する。（ｄ）計算した前記比を閾値と比較し、（i）閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。【選択図】図１
Description
本発明は近赤外光を用いた、針葉樹、とくにヒノキ科植物(スギ、ヒノキ)及びマツ科植物といった針葉樹の種子選別方法に関する。
低コスト造林のための伐採後にすぐ植える一貫作業システムにおいては、コンテナ苗の生産が必要である。
種子を用いたコンテナ苗の生産では、種子をコンテナに直接播種して育苗する方法と、コンテナ外の播種床などに播種して発芽させた幼苗を移植して育苗する方法がある。
しかしながら樹木では発芽能を欠く不稔種子である渋種(内容物が胚ではなくヤニである種子)や未熟種子(内容物を欠く種子であるシイナを含む)の発生頻度が高いため予め選別をせずに播種を行うと発芽率が低く、コンテナへの１粒播種による効率的な生産はできないのが現状である。このことは、日本における重要な造林樹種であるスギ・ヒノキにも当てはまる。
不稔種子の一種である渋種は、正常な胚を持つ種子である充実種子と比較して、種皮より内側の成分が大きく異なっている。しかし、渋種は充実種子と比重及び外見上の相違はない。
種子を用いたコンテナ苗の生産では、種子をコンテナに直接播種して育苗する方法と、コンテナ外の播種床などに播種して発芽させた幼苗を移植して育苗する方法がある。
しかしながら樹木では発芽能を欠く不稔種子である渋種(内容物が胚ではなくヤニである種子)や未熟種子(内容物を欠く種子であるシイナを含む)の発生頻度が高いため予め選別をせずに播種を行うと発芽率が低く、コンテナへの１粒播種による効率的な生産はできないのが現状である。このことは、日本における重要な造林樹種であるスギ・ヒノキにも当てはまる。
不稔種子の一種である渋種は、正常な胚を持つ種子である充実種子と比較して、種皮より内側の成分が大きく異なっている。しかし、渋種は充実種子と比重及び外見上の相違はない。
ところで種子の比重による選別は広く用いられており、シイナを除去することはできる。しかしながらスギ・ヒノキ等に特徴的な渋種は、前記のとおり充実種子と比重に違いがないため、比重による選別によって除去することはできない。
このような背景の下、種子を選別する手法として、特許文献１及び２には、それぞれ近赤外光を用いた種子選別手法及びスペクトルデータを用いる手法が開示されている。特許文献３には種子の発芽勢や成苗率を選別要因とする種子の選別方法についての記載がある。
また非特許文献１には、近赤外ハイパースペクトル画像とケモメトリクスによる穀類の種子選別について記載されている。
また非特許文献１には、近赤外ハイパースペクトル画像とケモメトリクスによる穀類の種子選別について記載されている。
McGoverin, C.M. et al.. Characterisation of non-viable whole barley, wheat and sorghum grains using near-infrared hyperspectral data and chemometrics, Anal Bioanal Chem. 2011, 401(7):2283-9.
しかしながら、特許文献１〜２及び非特許文献１に開示されている手法においては、いずれも複雑な計算を伴う主成分分析を行わなければならない。また、特許文献１及び非特許文献１に記載の方法においては、それぞれ適用対象が菜種及び穀物の種子のみに限られる。
特許文献２に記載の手法においては、予め水による処理を行う必要があり、操作が煩雑である。また特許文献３に記載の方法は充実種子と不稔種子とを分別する方法ではない。
特許文献２に記載の手法においては、予め水による処理を行う必要があり、操作が煩雑である。また特許文献３に記載の方法は充実種子と不稔種子とを分別する方法ではない。
上記背景の下、本発明は、非破壊的な操作により、ある針葉樹の種子が充実種子であるかを判別し、充実種子と不稔種子が混在した種子群から充実種子を選別する方法を提供することを目的とした。
上記課題に鑑み本発明者らは、赤外波長域における分光特性に基づき、種子の胚成分を非破壊的に検知することによる不稔種子の選別・除去の可能性に着目し鋭意研究を行ったところ、ある指標により正常な胚を有する種子である充実種子を高確度に検出できる可能性があることを見出し、さらに研究を進めた結果本発明を完成するに至った。
すなわち本発明は、少なくとも以下の発明に関する：
[１]以下の工程を含む、正常な胚を持つ針葉樹の種子と正常な胚を持たない同一種の針葉樹の種子が混在している中から、正常な胚を持つ針葉樹の種子のみを特定して選別する、針葉樹の種子の選別方法：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある、２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が正常な胚を持つ種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
[２]針葉樹がヒノキ科植物又はマツ科植物である上記［１］に記載の方法。
[３]針葉樹がヒノキ科植物であり、ヒノキ科植物がスギ又はヒノキである上記［２］に記載の方法。
[４]針葉樹がマツ科植物であり、該マツ科植物がマツ類、カラマツ類、モミ類又はトウヒ類である上記［２］に記載の方法。
[５] ２つの特定の波長の少なくとも１つが約１７２０ｎｍ〜約１７６０ｎｍの範囲から選ばれる、上記［１］〜[４]のいずれかに記載の方法。
[６]２つの特定の波長がそれぞれ約１７２０〜約１７６０ｎｍ及び約１８４０〜約１８７０ｎｍの範囲から選ばれる、上記［５]に記載の方法。
[７]２つの特定の波長がそれぞれ約１７２０〜約１７６０ｎｍ及び約１６２０〜約１６５０ｎｍの範囲から選ばれる、上記[５]に記載の方法。
[８]２つの特定の波長がそれぞれ約１７３４ｎｍ及び約１８５４ｎｍである上記［６]に記載の方法。
[９]２つの特定の波長がそれぞれ約１７３４ｎｍ及び約１６３７ｎｍである上記［７]に記載の方法。
[１０] ２つの特定の波長が約１６２０ｎｍ〜約１７６０ｎｍの範囲から選ばれる、上記［１］〜[４]のいずれかに記載の方法。
[１１］２つの特定の波長が約１７２０ｎｍ〜約１８７０ｎｍの範囲から選ばれる、上記［１］〜[４]のいずれかに記載の方法。
[１２]前記２つの特定の波長とは異なる波長における反射率のデータを解析することをさらに含む、上記［１］に記載の方法。
[１３] 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、それぞれ約１５８０ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１８００ｎｍ〜約２１００ｎｍの範囲の波長である、上記［１２］に記載の方法。
[１４] 針葉樹がヒノキ科植物又はマツ科植物であり、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１６００ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１９５０ｎｍ〜約２１００ｎｍの範囲の波長である、上記［１３］に記載の方法。
[１５] 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６２２ｎｍ、１７７２ｎｍ及び１９８１ｎｍであるか、又は１６４５ｎｍ、１７２７ｎｍ及び１９９７ｎｍである、上記［１４］に記載の方法。
[１６] 針葉樹がカラマツ属植物であり、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１５８０ｎｍ〜約１６２０ｎｍ、約１７００ｎｍ〜約１７５０ｎｍ及び約１８５０ｎｍ〜約１９１０ｎｍである、上記［１３］に記載の方法。
[１７] 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６００ｎｍ、１７３４ｎｍ及び１８９１ｎｍである、上記［１６］に記載の方法。
[１８] 以下の工程を含む、ある特定の針葉樹の種子が正常な胚を持つかを判別する方法：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が正常な胚を持つ種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
すなわち本発明は、少なくとも以下の発明に関する：
[１]以下の工程を含む、正常な胚を持つ針葉樹の種子と正常な胚を持たない同一種の針葉樹の種子が混在している中から、正常な胚を持つ針葉樹の種子のみを特定して選別する、針葉樹の種子の選別方法：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある、２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が正常な胚を持つ種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
[２]針葉樹がヒノキ科植物又はマツ科植物である上記［１］に記載の方法。
[３]針葉樹がヒノキ科植物であり、ヒノキ科植物がスギ又はヒノキである上記［２］に記載の方法。
[４]針葉樹がマツ科植物であり、該マツ科植物がマツ類、カラマツ類、モミ類又はトウヒ類である上記［２］に記載の方法。
[５] ２つの特定の波長の少なくとも１つが約１７２０ｎｍ〜約１７６０ｎｍの範囲から選ばれる、上記［１］〜[４]のいずれかに記載の方法。
[６]２つの特定の波長がそれぞれ約１７２０〜約１７６０ｎｍ及び約１８４０〜約１８７０ｎｍの範囲から選ばれる、上記［５]に記載の方法。
[７]２つの特定の波長がそれぞれ約１７２０〜約１７６０ｎｍ及び約１６２０〜約１６５０ｎｍの範囲から選ばれる、上記[５]に記載の方法。
[８]２つの特定の波長がそれぞれ約１７３４ｎｍ及び約１８５４ｎｍである上記［６]に記載の方法。
[９]２つの特定の波長がそれぞれ約１７３４ｎｍ及び約１６３７ｎｍである上記［７]に記載の方法。
[１０] ２つの特定の波長が約１６２０ｎｍ〜約１７６０ｎｍの範囲から選ばれる、上記［１］〜[４]のいずれかに記載の方法。
[１１］２つの特定の波長が約１７２０ｎｍ〜約１８７０ｎｍの範囲から選ばれる、上記［１］〜[４]のいずれかに記載の方法。
[１２]前記２つの特定の波長とは異なる波長における反射率のデータを解析することをさらに含む、上記［１］に記載の方法。
[１３] 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、それぞれ約１５８０ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１８００ｎｍ〜約２１００ｎｍの範囲の波長である、上記［１２］に記載の方法。
[１４] 針葉樹がヒノキ科植物又はマツ科植物であり、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１６００ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１９５０ｎｍ〜約２１００ｎｍの範囲の波長である、上記［１３］に記載の方法。
[１５] 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６２２ｎｍ、１７７２ｎｍ及び１９８１ｎｍであるか、又は１６４５ｎｍ、１７２７ｎｍ及び１９９７ｎｍである、上記［１４］に記載の方法。
[１６] 針葉樹がカラマツ属植物であり、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１５８０ｎｍ〜約１６２０ｎｍ、約１７００ｎｍ〜約１７５０ｎｍ及び約１８５０ｎｍ〜約１９１０ｎｍである、上記［１３］に記載の方法。
[１７] 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６００ｎｍ、１７３４ｎｍ及び１８９１ｎｍである、上記［１６］に記載の方法。
[１８] 以下の工程を含む、ある特定の針葉樹の種子が正常な胚を持つかを判別する方法：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が正常な胚を持つ種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
本発明の方法によれば、２波長の反射率の比を用いることによりスギ及びヒノキを含むヒノキ科植物、マツ科植物といった針葉樹植物の種子選別、すなわち充実種子の抽出を行うことができる。
本発明の方法においては、２波長のみを用いて実施することが可能であるため、用いられる機器である近赤外用カメラとして低コストのものの使用が可能であるうえに、得られた反射率のデータの分析において複雑な計算を行う必要がなく簡便である。
本発明の方法を用いることにより、充実種子と不稔種子が混在する種子群から充実種子を分別することが可能であり、針葉樹植物種子の発芽率の向上を図ることができる。発芽率が向上することにより、コンテナへの１粒播種を行っても、発芽せずに無駄な育苗スペースとなるコンテナの発生を減らすことが可能になる。そのため本発明は、これまでの実生によるコンテナ苗のように、複数の種子を播種して後で間引きを行う手間や、発芽床からの植替えの手間を省き、低コストでのコンテナ生産に寄与することが期待される。
本発明の方法においては、２波長のみを用いて実施することが可能であるため、用いられる機器である近赤外用カメラとして低コストのものの使用が可能であるうえに、得られた反射率のデータの分析において複雑な計算を行う必要がなく簡便である。
本発明の方法を用いることにより、充実種子と不稔種子が混在する種子群から充実種子を分別することが可能であり、針葉樹植物種子の発芽率の向上を図ることができる。発芽率が向上することにより、コンテナへの１粒播種を行っても、発芽せずに無駄な育苗スペースとなるコンテナの発生を減らすことが可能になる。そのため本発明は、これまでの実生によるコンテナ苗のように、複数の種子を播種して後で間引きを行う手間や、発芽床からの植替えの手間を省き、低コストでのコンテナ生産に寄与することが期待される。
本発明は、上記のとおり、以下の工程を含む、正常な胚を持つ針葉樹の種子と正常な胚を持たない同一種の針葉樹の種子が混在している中から、正常な胚を持つ針葉樹の種子のみを特定して選別する、針葉樹の種子の選別方法に関する：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある、２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が発芽可能な充実種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある、２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が発芽可能な充実種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
（定義・原理）
本明細書において「発芽種子」の語は、正常な胚が形成され発芽能を有する種子を指し、「充実種子」の語は正常な胚を持つ種子全般を指す。発芽は休眠等により抑制されることがあるため、正常な胚を有することは、播種後に必ず発芽することを保障しない。すなわち、充実種子には胚は形成されているが発芽能を有しない種子も包含される（図１）。
これに対し「不稔種子」の語は、正常な胚を持たず発芽能を欠く種子を意味する。さらに「渋種」の語は、前記正常な胚が形成されていない種子（すなわち不稔種子）のうち内部に茶褐色の硬質な内容物（ヤニ）を蓄積した種子を指し、内容物を欠く種子か、又は胚があっても十分に発達していない種子（併せて「未熟種子」という）とは区別される（図１）。
本明細書において、波長の数値は小数第２位までの数値で表したり、測定値を小数第１位で四捨五入した整数の数値で表したりする場合があるが、これらの数値の表記の仕方による数値間の差異により方法は相違しないし、得られる結果も実質的に同一である。
本明細書において「発芽種子」の語は、正常な胚が形成され発芽能を有する種子を指し、「充実種子」の語は正常な胚を持つ種子全般を指す。発芽は休眠等により抑制されることがあるため、正常な胚を有することは、播種後に必ず発芽することを保障しない。すなわち、充実種子には胚は形成されているが発芽能を有しない種子も包含される（図１）。
これに対し「不稔種子」の語は、正常な胚を持たず発芽能を欠く種子を意味する。さらに「渋種」の語は、前記正常な胚が形成されていない種子（すなわち不稔種子）のうち内部に茶褐色の硬質な内容物（ヤニ）を蓄積した種子を指し、内容物を欠く種子か、又は胚があっても十分に発達していない種子（併せて「未熟種子」という）とは区別される（図１）。
本明細書において、波長の数値は小数第２位までの数値で表したり、測定値を小数第１位で四捨五入した整数の数値で表したりする場合があるが、これらの数値の表記の仕方による数値間の差異により方法は相違しないし、得られる結果も実質的に同一である。
発芽率低下の大きな原因である不稔種子の一種である渋種は、充実種子と比較して、重量や比重、外見上の相違はないものの、種皮より内側の成分（貯蔵脂質成分）の含有割合が異なっている。より具体的には、渋種は充実種子において白い軟質の胚が形成される部位に、茶褐色の硬質な内容物を蓄積する（図２）。少なくともスギ及びヒノキの充実種子における前記貯蔵脂質成分には、トリグリセリドが多く含まれると推測される。
一方生体組織の赤外分光特性は当該生体の構成物質の化学成分に依存した特徴的なものとなる。そのため、赤外波長域における分光特性に基づき、種子の胚成分を非破壊的に検知することにより、充実種子の選別が可能となると考えられた。
なお本発明の方法によれば、充実種子と渋種との分別のみならず充実種子と未熟種子との分別も可能である。そのため本発明によれば、未熟種子が比較的多く発生する樹種（例えばマツ科植物）にも好適に適用される。
一方生体組織の赤外分光特性は当該生体の構成物質の化学成分に依存した特徴的なものとなる。そのため、赤外波長域における分光特性に基づき、種子の胚成分を非破壊的に検知することにより、充実種子の選別が可能となると考えられた。
なお本発明の方法によれば、充実種子と渋種との分別のみならず充実種子と未熟種子との分別も可能である。そのため本発明によれば、未熟種子が比較的多く発生する樹種（例えばマツ科植物）にも好適に適用される。
生体組織を構成する分子が赤外領域の光エネルギーを吸収すると、その振動または回転状態が変化する。これらの状態変化に必要なエネルギー量は分子構造により異なるため、生体組織の赤外分光特性は、それを構成する化学成分に依存した特徴的なものとなる。赤外光の中でも比較的エネルギーレベルの高い近赤外光は、より長波長の遠赤外および中赤外光と比較して物質による吸収が小さいため、超薄切片等を作製することなく、生体組織の構成成分を非破壊的に測定するのに適している。また、生体組織に対して高い透過性をもつため、表面に顕在化していない内部の状態を診断する上でも有利である。
（本発明の方法を実施するための手順）
本発明の方法の一態様の手順は、以下のように例示される：
必要に応じて充実種子であることを示す基準値となる、前記反射率の比の閾値を決定する。
該閾値は例えば約０．５〜約２．０の数値範囲にある数値から、選別の目的や求める精度に応じて決定してよい。例えば、スギ及びヒノキにおいては、当該閾値は近赤外光の波長に応じて約０．６〜１．７とすればよいことが、本明細書において明らかにされている。
また、選別後に不稔種子が混ざることを許容し、充実種子を不稔種子と誤判定するリスクを下げることを重視する場合には基準となる閾値を高めに設定する。一方、充実種子を不稔種子と誤判定することを許容し、不稔種子をより確実に取り除くことを重視する場合には、閾値を低めに設定する。
閾値を決定することができない場合や、より厳密に閾値を設定する場合には、以下のような手法により閾値を設定することができる。
当該針葉樹の複数個（数は多いほど好ましく、通常約３０個以上、好ましくは約５０個以上、より好ましくは１００個以上）の種子に、ハロゲン光源のような連続波長光源により均一に光を照射し、近赤外域の分光情報を含むハイパースペクトル画像を撮影する。
次に前記ハイパースペクトル画像において、各々の種子に対応する全ての画素から反射スペクトル情報を抽出し、該反射スペクトル情報の平均値を各々の種子の反射スペクトルの代表値とする。
続いて反射スペクトルを測定した種子を解剖し、目視により充実種子であるか不稔種子であるかを判定したうえで、充実種子と不稔種子の反射スペクトルを比較し、充実種子及び／又は不稔種子のいずれかに特徴的な反射率の変化のパターンを示す波長域を特定する。
充実種子と不稔種子の上記波長域における反射スペクトルの相違を反映する数値指標を設定し、上記特徴的な反射率の変化のパターンを数値により表し、充実種子と不稔種子とを分別するために好適な指標としての閾値（の範囲）を、当該樹種について決定する。
本発明の方法の一態様の手順は、以下のように例示される：
必要に応じて充実種子であることを示す基準値となる、前記反射率の比の閾値を決定する。
該閾値は例えば約０．５〜約２．０の数値範囲にある数値から、選別の目的や求める精度に応じて決定してよい。例えば、スギ及びヒノキにおいては、当該閾値は近赤外光の波長に応じて約０．６〜１．７とすればよいことが、本明細書において明らかにされている。
また、選別後に不稔種子が混ざることを許容し、充実種子を不稔種子と誤判定するリスクを下げることを重視する場合には基準となる閾値を高めに設定する。一方、充実種子を不稔種子と誤判定することを許容し、不稔種子をより確実に取り除くことを重視する場合には、閾値を低めに設定する。
閾値を決定することができない場合や、より厳密に閾値を設定する場合には、以下のような手法により閾値を設定することができる。
当該針葉樹の複数個（数は多いほど好ましく、通常約３０個以上、好ましくは約５０個以上、より好ましくは１００個以上）の種子に、ハロゲン光源のような連続波長光源により均一に光を照射し、近赤外域の分光情報を含むハイパースペクトル画像を撮影する。
次に前記ハイパースペクトル画像において、各々の種子に対応する全ての画素から反射スペクトル情報を抽出し、該反射スペクトル情報の平均値を各々の種子の反射スペクトルの代表値とする。
続いて反射スペクトルを測定した種子を解剖し、目視により充実種子であるか不稔種子であるかを判定したうえで、充実種子と不稔種子の反射スペクトルを比較し、充実種子及び／又は不稔種子のいずれかに特徴的な反射率の変化のパターンを示す波長域を特定する。
充実種子と不稔種子の上記波長域における反射スペクトルの相違を反映する数値指標を設定し、上記特徴的な反射率の変化のパターンを数値により表し、充実種子と不稔種子とを分別するために好適な指標としての閾値（の範囲）を、当該樹種について決定する。
生体組織の分光特性は、光ファイバー式の分光器による点計測が可能なほか、リモートセンサの一種であるハイパースペクトルカメラを用いることにより、座標情報（画像）と併せて計測（測定）することができる（面計測）。計測に際しては、対象とする波長域において高い検出感度を示す機器を選択する必要がある。本発明において着目する７５０〜２２００ｎｍ域（脂質の吸収波長域を含む）における分光特性を計測するためには、ＣＣＤ、ＣＭＯＳ、ＨｇＣｄＴｅ（ＭＣＴ）、Type II超格子（T2SL）などの赤外検出器を備えた機器を用いることができる。
当該データをグラフ化して表すと充実種子と不稔種子では、グラフの形状がある特定の波長部位において著しく異なる。すなわち、例えばスギ及びヒノキの正常な種子においては、例えば１７００ｎｍよりやや大きい波長において下に凸の形状及び１８５０ｎｍよりやや大きい波長において上に凸の形状パターンを示す（図３Ａ）。別な表現をすれば、当該種子においては約１７２０〜１７６０ｎｍ付近に極小値を有する、約１６００ｎｍ〜約１９００ｎｍにおいての波長域を中心にＭ字形状のパターンを示す（図３Ａ）。
これに対し不稔種子（渋種及び未熟種子）においてはこのようなパターンは示されず、当該波長領域におけるグラフは平坦な形状である（図３Ｂ及びＣ）。
上記充実種子及び不稔種子における反射スペクトルパターンの相違を図４においてより明瞭に示した。
当該データをグラフ化して表すと充実種子と不稔種子では、グラフの形状がある特定の波長部位において著しく異なる。すなわち、例えばスギ及びヒノキの正常な種子においては、例えば１７００ｎｍよりやや大きい波長において下に凸の形状及び１８５０ｎｍよりやや大きい波長において上に凸の形状パターンを示す（図３Ａ）。別な表現をすれば、当該種子においては約１７２０〜１７６０ｎｍ付近に極小値を有する、約１６００ｎｍ〜約１９００ｎｍにおいての波長域を中心にＭ字形状のパターンを示す（図３Ａ）。
これに対し不稔種子（渋種及び未熟種子）においてはこのようなパターンは示されず、当該波長領域におけるグラフは平坦な形状である（図３Ｂ及びＣ）。
上記充実種子及び不稔種子における反射スペクトルパターンの相違を図４においてより明瞭に示した。
このようなグラフの形状の相違を数値により表すと、１７２０〜１７６０ｎｍ付近の反射率の値を１８４０〜１８７０ｎｍ付近の反射率の値で除して得られる数値（比）は、充実種子においてはほとんどの種子において１．０未満となるのに対し、不稔種子においては大部分が１．０以上となる。そのため前記比は、充実種子と不稔種子の反射スペクトルの相違を反映する数値指標として利用できる。さらに、当該数値として約１を閾値として定めることにより、当該比が前記閾値以下である種子を充実種子として特定することができる。この場合の２つの特定の波長として、それぞれ約１７３４ｎｍ及び約１８５４ｎｍを選択することは好ましい。
上記の例においては充実種子及び不稔種子において異なる反射スペクトルパターンを示す波長域として、１７２０〜１７６０ｎｍ付近及び１８４０〜１８７０ｎｍ付近を選択したが、本発明において用いられる波長域又は波長は当該例示された波長域に限定されず、２つの特定の波長の少なくとも１つが約１７２０ｎｍ〜約１７６０ｎｍの範囲から選ばれればいかなる波長域又は波長であってもよい。例えば、他の波長域又は波長の組み合わせとして、２つの特定の波長がそれぞれ約１７２０〜約１７６０ｎｍ及び約１６２０〜約１６５０ｎｍの範囲から選ばれる組み合わせも例示され、当該組み合わせの例においては２つの特定の波長をそれぞれ約１７３４ｎｍ及び約１６３７ｎｍとすることができる。
上記の例においては充実種子及び不稔種子において異なる反射スペクトルパターンを示す波長域として、１７２０〜１７６０ｎｍ付近及び１８４０〜１８７０ｎｍ付近を選択したが、本発明において用いられる波長域又は波長は当該例示された波長域に限定されず、２つの特定の波長の少なくとも１つが約１７２０ｎｍ〜約１７６０ｎｍの範囲から選ばれればいかなる波長域又は波長であってもよい。例えば、他の波長域又は波長の組み合わせとして、２つの特定の波長がそれぞれ約１７２０〜約１７６０ｎｍ及び約１６２０〜約１６５０ｎｍの範囲から選ばれる組み合わせも例示され、当該組み合わせの例においては２つの特定の波長をそれぞれ約１７３４ｎｍ及び約１６３７ｎｍとすることができる。
上記閾値は樹木の種類に応じて任意に設定してよいところ、充実種子と不稔種子のそれぞれについて、前記比の頻度分布を解析し、現れる頻度が最も高い比の値の２つの範囲を特定し、前記２つの範囲の間の値、例えばほぼ中間の値を閾値とし、２つの分布域をほぼ等分する前記比を閾値とする。前記比が前記閾値以下である種子を発芽可能な充実種子として特定することができる。前記のとおり該閾値は、目的に応じて閾値を高めあるいは低めに設定するなどして変動してもよい。
工程（ａ）においては、対象種子群のすべての種子に、近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する。
工程（ｂ）、すなわち７５０〜２２００ｎｍの範囲内にある、２つの特定の波長における反射率のデータをすべての上記種子について抽出する工程において用いられる２つの特定の波長は、例えば前記のとおりＭ字形状のグラフ部分について極小値及び極大値を示し、かつ他方のπ字形状のグラフ部分について傾きの変化率が緩やかとなる範囲から選択することができる。１つの波長を脂質の吸収波長域である約１７２０〜約１７６０ｎｍから選択することは好ましい。もう一方の波長は前記脂質の吸収波長域近傍の波長であってよく、当該もう一方の波長を１２５０〜１７６０ｎｍ及び１８４０〜２２００ｎｍの範囲から選ぶことは好ましく、１７２０〜１７６０ｎｍ及び１８４０〜１８７０ｎｍの範囲から選ぶことはより好ましい。これらの波長域から波長を選ぶことはスギ及びヒノキにおいてとくに好ましく、スギ及びヒノキにおいて、当該波長がそれぞれ約１７３４ｎｍ及び約１８５４ｎｍである本発明の方法はとくに好ましい。
工程（ｃ）は、前記抽出した反射率の比を各種子について計算する工程である。
続く工程（ｄ）においては、（ｃ）において計算した前記比を、正常な胚を持つ種子、すなわち充実種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し（i）前記比が充実種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を充実種子として特定し、（ii）前記比が充実種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を充実種子として特定する。
上記（i）及び（ii）のそれぞれは、比を計算する際の分母と分子を入れ替えることにより相互に転換可能である。例えば、スギ又はヒノキにおいて示した上記約１の閾値は１７２０〜〜１７６０ｎｍ付近の反射率の値を１８４０〜１８７０ｎｍ付近の反射率の値で除して得られる比であり、この場合充実種子においてはほとんどの種子において１．０未満となるのに対し、不稔種子においては大部分が１．０以上となるところ、上記除算の分母と分子を入れ替えれば、充実種子における比の値が１．０以上になり、不稔種子における比が１．０未満となる傾向になる。
なお、スギ又はヒノキにおいては当該閾値が約１になるが、上記閾値は樹木の種類に応じて設定してよいことも前記の通りである。
また、特定の波長部位は、充実種子と渋種におけるスペクトルパターンの差異が生じる波長部位から選択してよい。例えば、７５０ｎｍ、１２５０ｎｍ、１４００ｎｍ又は２１００ｎｍを選択しても、前記比の出現頻度の相違により充実種子と渋種及び未熟種子との選別を行うことができる（図５〜８）。７５０ｎｍを選択することは、ヒノキにおいて好ましい。
工程（ｃ）は、前記抽出した反射率の比を各種子について計算する工程である。
続く工程（ｄ）においては、（ｃ）において計算した前記比を、正常な胚を持つ種子、すなわち充実種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し（i）前記比が充実種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を充実種子として特定し、（ii）前記比が充実種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を充実種子として特定する。
上記（i）及び（ii）のそれぞれは、比を計算する際の分母と分子を入れ替えることにより相互に転換可能である。例えば、スギ又はヒノキにおいて示した上記約１の閾値は１７２０〜〜１７６０ｎｍ付近の反射率の値を１８４０〜１８７０ｎｍ付近の反射率の値で除して得られる比であり、この場合充実種子においてはほとんどの種子において１．０未満となるのに対し、不稔種子においては大部分が１．０以上となるところ、上記除算の分母と分子を入れ替えれば、充実種子における比の値が１．０以上になり、不稔種子における比が１．０未満となる傾向になる。
なお、スギ又はヒノキにおいては当該閾値が約１になるが、上記閾値は樹木の種類に応じて設定してよいことも前記の通りである。
また、特定の波長部位は、充実種子と渋種におけるスペクトルパターンの差異が生じる波長部位から選択してよい。例えば、７５０ｎｍ、１２５０ｎｍ、１４００ｎｍ又は２１００ｎｍを選択しても、前記比の出現頻度の相違により充実種子と渋種及び未熟種子との選別を行うことができる（図５〜８）。７５０ｎｍを選択することは、ヒノキにおいて好ましい。
本発明の方法はあらゆる針葉樹種について用いることができるばかりでなく、針葉樹の産地も限定されない。針葉樹の例としてはヒノキ科植物、マツ科植物が例示される。本発明の方法は、ヒノキ科植物、とくにスギ又はヒノキについて、充実種子の選別効率がとくに高いため好ましく適用される。
また本発明の方法は、マツ科植物にも好ましく適用されるところ、かかるマツ科植物としてアカマツなどのマツ類、カラマツやグイマツなどのカラマツ類、トドマツなどのモミ類及びエゾマツなどのトウヒ類が例示される。
また本発明の方法は、マツ科植物にも好ましく適用されるところ、かかるマツ科植物としてアカマツなどのマツ類、カラマツやグイマツなどのカラマツ類、トドマツなどのモミ類及びエゾマツなどのトウヒ類が例示される。
前記２つの特定の波長とは異なる波長（以下「波長Ｃ」ということがある）における反射率のデータを追加して解析することをさらに含む、本発明の種子選別法は、誤差がより小さく計測にともなう外乱に対して選別結果がより堅牢となるため好ましい。
この方法によれば、脂質の吸収波長域である１７２０〜１７６０ｎｍにおける１波長（以下「波長Ｂ」ということがある）のほか、２つの波長（以下「波長Ａ」および「波長Ｃ」ということがある）を選択する。
続いて、ｘ−ｙ座標上において、点Ａ、点Ｂおよび点Ｃを、ｘ座標をそれぞれ−１、０、１とし、ｙ座標をそれぞれ波長Ａ、波長Ｂおよび、波長Ｃにおける反射率としてプロットする。
そして、これらＡ、ＢおよびＣの３点が作る三角形のＢにおける角θを評価することによって、種子を選別しようとするものである。
ここで、波長Ａ＜波長Ｂ＜波長Ｃあるいは、波長Ａ＞波長Ｂ＞波長Ｃになっていなくてもよい。例として、波長Ａを１６３７ｎｍ、波長Ｂを１７３４ｎｍ、波長Ｃを１８５４ｎｍとした場合には、角θは、充実種子において不稔種子よりも小さくなる（図９）。波長Ａと波長Ｃをこのような波長とすることにより、３点の反射率のデータポイントにより形成される角（図９における角θ１及び角θ２）が、充実種子においては不稔種子におけるものより小さくなることが明らかである（角θ１＜角θ２）。したがって、かかる指標も種子選別判定に用いることができ、より確度が高い選別が可能になる。
例えば、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、それぞれ約１５８０ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１８００ｎｍ〜約２１００ｎｍの範囲の波長である本発明の方法によれば、２波長を用いる方法に比較して、選別する確度を向上させることができるため好ましい。
針葉樹がヒノキ科植物又はマツ科植物の場合、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１６００ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１９５０ｎｍ〜約２１００ｎｍの範囲の波長である本発明の方法は好ましく、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６２２ｎｍ、１７７２ｎｍ及び１９８１ｎｍであるか、又は１６４５ｎｍ、１７２７ｎｍ及び１９９７ｎｍである本発明の方法はより好ましい。これらの波長の組み合わせのうち、１６２２ｎｍ、１７７２ｎｍ及び１９８１ｎｍの組み合わせはとくにスギにおいて好適であり、１６４５ｎｍ、１７２７ｎｍ及び１９９７ｎｍの組み合わせはとくにヒノキにおいて好適である。
この方法によれば、脂質の吸収波長域である１７２０〜１７６０ｎｍにおける１波長（以下「波長Ｂ」ということがある）のほか、２つの波長（以下「波長Ａ」および「波長Ｃ」ということがある）を選択する。
続いて、ｘ−ｙ座標上において、点Ａ、点Ｂおよび点Ｃを、ｘ座標をそれぞれ−１、０、１とし、ｙ座標をそれぞれ波長Ａ、波長Ｂおよび、波長Ｃにおける反射率としてプロットする。
そして、これらＡ、ＢおよびＣの３点が作る三角形のＢにおける角θを評価することによって、種子を選別しようとするものである。
ここで、波長Ａ＜波長Ｂ＜波長Ｃあるいは、波長Ａ＞波長Ｂ＞波長Ｃになっていなくてもよい。例として、波長Ａを１６３７ｎｍ、波長Ｂを１７３４ｎｍ、波長Ｃを１８５４ｎｍとした場合には、角θは、充実種子において不稔種子よりも小さくなる（図９）。波長Ａと波長Ｃをこのような波長とすることにより、３点の反射率のデータポイントにより形成される角（図９における角θ１及び角θ２）が、充実種子においては不稔種子におけるものより小さくなることが明らかである（角θ１＜角θ２）。したがって、かかる指標も種子選別判定に用いることができ、より確度が高い選別が可能になる。
例えば、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、それぞれ約１５８０ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１８００ｎｍ〜約２１００ｎｍの範囲の波長である本発明の方法によれば、２波長を用いる方法に比較して、選別する確度を向上させることができるため好ましい。
針葉樹がヒノキ科植物又はマツ科植物の場合、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１６００ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１９５０ｎｍ〜約２１００ｎｍの範囲の波長である本発明の方法は好ましく、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６２２ｎｍ、１７７２ｎｍ及び１９８１ｎｍであるか、又は１６４５ｎｍ、１７２７ｎｍ及び１９９７ｎｍである本発明の方法はより好ましい。これらの波長の組み合わせのうち、１６２２ｎｍ、１７７２ｎｍ及び１９８１ｎｍの組み合わせはとくにスギにおいて好適であり、１６４５ｎｍ、１７２７ｎｍ及び１９９７ｎｍの組み合わせはとくにヒノキにおいて好適である。
また、カラマツ属植物においては、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１５８０ｎｍ〜約１６２０ｎｍ、約１７００ｎｍ〜約１７５０ｎｍ及び約１８５０ｎｍ〜約１９１０ｎｍの波長である本発明の方法は好ましく、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、１６００ｎｍ、１７３４ｎｍ及び１８９１ｎｍである本発明の方法はより好ましい。
なお、本発明により、以下の工程を含む、ある特定の針葉樹の種子が正常な胚を持つか、すなわち充実種子であるか、を判別する方法も提供される。かかる方法は、充実種子の選別を目的としない場合において用いることができる。
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を計算する；及び
（ｄ）（ｃ）において計算した前記比を、発芽可能な充実種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が充実種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を充実種子として特定し、（ii）前記比が充実種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を充実種子として特定する。
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を計算する；及び
（ｄ）（ｃ）において計算した前記比を、発芽可能な充実種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が充実種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を充実種子として特定し、（ii）前記比が充実種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を充実種子として特定する。
（実施例）
本発明について、実施例を参照しながらさらに説明する。本発明は、いかなる意味においても当該実施例に限定されるものではない。
本発明について、実施例を参照しながらさらに説明する。本発明は、いかなる意味においても当該実施例に限定されるものではない。
（実施例１）
スギ・ヒノキの種子の反射率の測定と解析
［材料］
材料として、森林総合研究所貯蔵のスギ及びヒノキの種子と、島根県中山間地域研究センター貯蔵のスギの種子を用いた。
近赤外光の照射にはハロゲン光源（４００ｎｍから９８０ｎｍまでの波長の反射率測定時には、市販（メーカー名不明）の250W投光器２灯、１２５０ｎｍから２５００ｎｍの波長の反射率測定時には岩崎電気社製、J110V100W/S２灯）を用い、照射測定にはハイパースペクトルカメラ（４００ｎｍから９８０ｎｍまでの波長には、Themis Vision社製、VNIR-200Rを、１２５０ｎｍから２５００ｎｍまでの波長には、Emerging Technologies社製、 SWIR-200R）を用いた。
［方法］
充実種子であることを示す基準値となる、前記反射率の比の閾値を決定した。当該工程は、本発明の方法において必ずしも必要な工程ではなく、従来技術における知見を適宜用いてよい。
（１）スギ及びヒノキの種子にハロゲン光源より均一に光を照射し、近赤外域の分光情報を含むハイパースペクトル画像を撮影した。
（２）ハイパースペクトル画像において、各々の種子に対応する全ての画素から反射スペクトル情報を抽出した。その平均値を各々の種子の反射スペクトルの代表値とした。
（３）反射スペクトルを測定した種子を解剖し、目視により充実種子であるか不稔種子であるかを判定した。
（４）充実種子と不稔種子の反射スペクトルを比較し、それぞれの種子群に特有なスペクトル波形の部位を、特定の２波長における反射率のみにより特定できるか否かを調査した。
（５）また、特定の３波長における反射率（単位：％）をＹ座標とする３点、Ａ 、Ｂ及びＣ（Ａ＜Ｂ＜Ｃ）において、∠ＡＢＣは３波長のうち中央の波長であるＢにおける波長における反射率の低下の程度を表しており、種子の稔性を予測するための指標とした。３波長を考慮する指標（以下においてＡＳＱＩ（Ａｎｇｕｌａｒ Ｓｅｅｄ Ｑｕａｌｉｔｙ Ｉｎｄｅｘ）ということがある）は、２波長のみを考慮する指標（以下においてＲＳＱＩ（Ｒａｔｉｏ−ｂａｓｅｄ Ｓｅｅｄ Ｑｕａｌｉｔｙ Ｉｎｄｅｘ）より、測定計測にともなうノイズに対して堅牢である。
スギ・ヒノキの種子の反射率の測定と解析
［材料］
材料として、森林総合研究所貯蔵のスギ及びヒノキの種子と、島根県中山間地域研究センター貯蔵のスギの種子を用いた。
近赤外光の照射にはハロゲン光源（４００ｎｍから９８０ｎｍまでの波長の反射率測定時には、市販（メーカー名不明）の250W投光器２灯、１２５０ｎｍから２５００ｎｍの波長の反射率測定時には岩崎電気社製、J110V100W/S２灯）を用い、照射測定にはハイパースペクトルカメラ（４００ｎｍから９８０ｎｍまでの波長には、Themis Vision社製、VNIR-200Rを、１２５０ｎｍから２５００ｎｍまでの波長には、Emerging Technologies社製、 SWIR-200R）を用いた。
［方法］
充実種子であることを示す基準値となる、前記反射率の比の閾値を決定した。当該工程は、本発明の方法において必ずしも必要な工程ではなく、従来技術における知見を適宜用いてよい。
（１）スギ及びヒノキの種子にハロゲン光源より均一に光を照射し、近赤外域の分光情報を含むハイパースペクトル画像を撮影した。
（２）ハイパースペクトル画像において、各々の種子に対応する全ての画素から反射スペクトル情報を抽出した。その平均値を各々の種子の反射スペクトルの代表値とした。
（３）反射スペクトルを測定した種子を解剖し、目視により充実種子であるか不稔種子であるかを判定した。
（４）充実種子と不稔種子の反射スペクトルを比較し、それぞれの種子群に特有なスペクトル波形の部位を、特定の２波長における反射率のみにより特定できるか否かを調査した。
（５）また、特定の３波長における反射率（単位：％）をＹ座標とする３点、Ａ 、Ｂ及びＣ（Ａ＜Ｂ＜Ｃ）において、∠ＡＢＣは３波長のうち中央の波長であるＢにおける波長における反射率の低下の程度を表しており、種子の稔性を予測するための指標とした。３波長を考慮する指標（以下においてＡＳＱＩ（Ａｎｇｕｌａｒ Ｓｅｅｄ Ｑｕａｌｉｔｙ Ｉｎｄｅｘ）ということがある）は、２波長のみを考慮する指標（以下においてＲＳＱＩ（Ｒａｔｉｏ−ｂａｓｅｄ Ｓｅｅｄ Ｑｕａｌｉｔｙ Ｉｎｄｅｘ）より、測定計測にともなうノイズに対して堅牢である。
［結果・考察］
スギ・ヒノキともに、近赤外域における２つの狭波長帯の反射率をもとに、充実種子を高確度に検出・選抜することができた（図１０〜１２)。
さらに選別の前後で、発芽率が高まることを確認した（表１〜３）。なお、発芽率が高まることの確認には、ＲＳＱＩよりもノイズに対して堅牢であるＡＳＱＩを用いている。
とくにスギについては、本発明の方法により発芽種子の割合を、選抜前の１４．４％から６５．８％に、すなわち４．６倍に高めることができた（表１）。
またヒノキについても同割合を２．７倍（茨城県産、表２）及び１．８倍（四国産、表３）に高めることができた。
いずれの表においても「その他不発芽種子」としてカウントされた種子には、「未熟種子を間違って充実種子として選別した」ものとともに「正しく選別された充実種子が、発芽しなかった」ものの両方が含まれている。
他の樹種についても同様な手法により、充実種子を選別することが可能であると考えられた。
スギ・ヒノキともに、近赤外域における２つの狭波長帯の反射率をもとに、充実種子を高確度に検出・選抜することができた（図１０〜１２)。
さらに選別の前後で、発芽率が高まることを確認した（表１〜３）。なお、発芽率が高まることの確認には、ＲＳＱＩよりもノイズに対して堅牢であるＡＳＱＩを用いている。
とくにスギについては、本発明の方法により発芽種子の割合を、選抜前の１４．４％から６５．８％に、すなわち４．６倍に高めることができた（表１）。
またヒノキについても同割合を２．７倍（茨城県産、表２）及び１．８倍（四国産、表３）に高めることができた。
いずれの表においても「その他不発芽種子」としてカウントされた種子には、「未熟種子を間違って充実種子として選別した」ものとともに「正しく選別された充実種子が、発芽しなかった」ものの両方が含まれている。
他の樹種についても同様な手法により、充実種子を選別することが可能であると考えられた。
なお、１８５４ｎｍにおける反射率を基準とした相対反射率（Ｒ１７３４／Ｒ１８５４）が取り得る値の範囲は、充実種子と不稔種子で明確に異なることを事前に確認した。すなわち、スギについては、充実種子と渋種の相対反射率（Ｒ１７３４／Ｒ１８５４）の値の頻度が、約０．９８を境に明らかに異なっており（図１０）、ヒノキについては当該頻度は約０．９５を境に明らかに異なっていた（図１１及び１２）。ヒノキにおいては、未熟種子についても渋種と同様であった。
したがって、スギ及びヒノキについての充実種子と不稔種子とを分別するための指標としてＲ１７３４／Ｒ１８５４を用いることが可能であり、それぞれの樹種における閾値は約１及び約０．９５とした。
また、ＡＳＱＩ値をハイパースペクトル画像上の全ての座標において算出することにより、その空間的な分布を可視化した。このことにより、充実種子と不稔種子を画像レベルで判別できることが確認された。
種子に対応する全画素数に対する、閾値以下のＡＳＱＩ値を示す画素数の割合（面積比）を考え、スギおよびヒノキの充実種子において閾値と面積比の関係を解析した結果、種子の産地によらず、閾値および面積比の最適値の範囲はほぼ同一となることが確認された。すなわち、ＲＳＱＩやＡＳＱＩの代表値だけでなく、空間的分布を加味した充実種子と不稔種子の識別が可能であることが明らかとなった。
したがって、スギ及びヒノキについての充実種子と不稔種子とを分別するための指標としてＲ１７３４／Ｒ１８５４を用いることが可能であり、それぞれの樹種における閾値は約１及び約０．９５とした。
また、ＡＳＱＩ値をハイパースペクトル画像上の全ての座標において算出することにより、その空間的な分布を可視化した。このことにより、充実種子と不稔種子を画像レベルで判別できることが確認された。
種子に対応する全画素数に対する、閾値以下のＡＳＱＩ値を示す画素数の割合（面積比）を考え、スギおよびヒノキの充実種子において閾値と面積比の関係を解析した結果、種子の産地によらず、閾値および面積比の最適値の範囲はほぼ同一となることが確認された。すなわち、ＲＳＱＩやＡＳＱＩの代表値だけでなく、空間的分布を加味した充実種子と不稔種子の識別が可能であることが明らかとなった。
（実施例２）
カラマツ類の種子の反射率の測定と解析
［材料］
材料として、森林総合研究所貯蔵の山梨県産カラマツ及び北海道産グイマツの種子と、長野県林業総合センター貯蔵のカラマツの種子を用いた。
用いられた機器は、実施例１において用いられた機器と同一であった。
［方法］
充実種子であることを示す基準値となる、前記反射率の比の閾値を実施例１における手法と同様の手法により、２波長又は３波長を用いて決定した。
２波長を用いる手法においては１７３４．４０ｎｍ及び１８５３．７５ｎｍの波長を用い、充実種子と未熟種子の相対反射率（Ｒ１７３４／Ｒ１８５４）の値について、充実種子と未熟種子の頻度の分布域が変化する相対反射率の値を求めた。
３波長を用いる手法においてはさらに低波長である１６３７．１１ｎｍ又は１５９９．６９ｎｍの波長を、それぞれ１７３４．４０ｎｍ及び１８５３．７５ｎｍの波長又は１７３４．４０ｎｍ及び１８９０．７７ｎｍの波長と組み合わせて用い、充実種子と未熟種子の頻度の分布域が変化する角θの値を求め、充実種子を選別する確度の改善度を評価した。
カラマツ類の種子の反射率の測定と解析
［材料］
材料として、森林総合研究所貯蔵の山梨県産カラマツ及び北海道産グイマツの種子と、長野県林業総合センター貯蔵のカラマツの種子を用いた。
用いられた機器は、実施例１において用いられた機器と同一であった。
［方法］
充実種子であることを示す基準値となる、前記反射率の比の閾値を実施例１における手法と同様の手法により、２波長又は３波長を用いて決定した。
２波長を用いる手法においては１７３４．４０ｎｍ及び１８５３．７５ｎｍの波長を用い、充実種子と未熟種子の相対反射率（Ｒ１７３４／Ｒ１８５４）の値について、充実種子と未熟種子の頻度の分布域が変化する相対反射率の値を求めた。
３波長を用いる手法においてはさらに低波長である１６３７．１１ｎｍ又は１５９９．６９ｎｍの波長を、それぞれ１７３４．４０ｎｍ及び１８５３．７５ｎｍの波長又は１７３４．４０ｎｍ及び１８９０．７７ｎｍの波長と組み合わせて用い、充実種子と未熟種子の頻度の分布域が変化する角θの値を求め、充実種子を選別する確度の改善度を評価した。
［結果・考察］
（１）２波長を用いた場合
山梨県産及び長野県産のカラマツにおいては、充実種子と未熟種子の相対反射率（Ｒ１７３４／Ｒ１８５４）の値の頻度の分布域が、約１．００７５を境に異なった（図１３及び１４）。北海道産グイマツにおいては、対応する数値は約１．００２５であった（図１５）。すなわち、いずれの産地におけるカラマツ類（山梨県産及び長野県産のカラマツならびに北海道産のグイマツ）についても、１７３４．４０ｎｍ及び１８５３．７５ｎｍの２波長についての反射率を解析することにより、充実種子を未熟種子と区別し選別する確度を向上させることができることが明らかになった。
（１）２波長を用いた場合
山梨県産及び長野県産のカラマツにおいては、充実種子と未熟種子の相対反射率（Ｒ１７３４／Ｒ１８５４）の値の頻度の分布域が、約１．００７５を境に異なった（図１３及び１４）。北海道産グイマツにおいては、対応する数値は約１．００２５であった（図１５）。すなわち、いずれの産地におけるカラマツ類（山梨県産及び長野県産のカラマツならびに北海道産のグイマツ）についても、１７３４．４０ｎｍ及び１８５３．７５ｎｍの２波長についての反射率を解析することにより、充実種子を未熟種子と区別し選別する確度を向上させることができることが明らかになった。
（２）３波長を用いた場合
１６３７．１１ｎｍ、１７３４．４０ｎｍ及び１８５３．７５ｎｍの３波長を用いた場合、いずれの産地のカラマツについても充実種子を未熟種子と区別し選別する確度は２波長の場合に比較してさらに向上した。すなわち、山梨県産及び長野県産のカラマツならびに北海道産のグイマツにおいて、閾値を１３５．６２°とした場合選抜後の発芽種子の割合はそれぞれ９６．６％、７６．５％及び９２．０％であり、いずれも選抜前より発芽種子の割合は著しく向上した（表４〜表６、図１６Ａ〜図１６Ｃ）。
１６３７．１１ｎｍ、１７３４．４０ｎｍ及び１８５３．７５ｎｍの３波長を用いた場合、いずれの産地のカラマツについても充実種子を未熟種子と区別し選別する確度は２波長の場合に比較してさらに向上した。すなわち、山梨県産及び長野県産のカラマツならびに北海道産のグイマツにおいて、閾値を１３５．６２°とした場合選抜後の発芽種子の割合はそれぞれ９６．６％、７６．５％及び９２．０％であり、いずれも選抜前より発芽種子の割合は著しく向上した（表４〜表６、図１６Ａ〜図１６Ｃ）。
また、１５９９．６９ｎｍ、１７３４．４０ｎｍ及び１８９０．７７ｎｍの３波長を用いた場合、閾値を２０２．８６°とした場合、山梨県産及び長野県産のカラマツについての選抜後の発芽種子の割合はそれぞれ９７．１％及び８０．９％であり、充実種子を未熟種子と区別し選別する確度は一層向上した（表７〜表８、図１７Ａ及び図１７Ｂ）。
北海道産のグイマツについての選抜後の発芽種子の割合は、閾値を２０２．８６°とした場合９１．２％であり、１６３７．１１ｎｍ、１７３４．４０ｎｍ及び１８５３．７５ｎｍの３波長を用いた場合と同等の確度を示し良好であった（表９、図１７Ｃ）。
これらの結果から、本発明の方法は未熟種子が比較的多く発生するマツ科植物のような樹種にも好適に適用されることが明らかになった。
以上の結果から、本発明の方法により針葉樹全般について、充実種子と不稔種子とを高い確度において分別することができることが明らかである。
本発明によれば、針葉樹の充実種子と不稔種子とを高い確度において分別することができる。したがって本発明は造林業及びその関連産業の発展に寄与するところ大である。
Claims (12)
- 以下の工程を含む、正常な胚を持つ針葉樹の種子と正常な胚を持たない同一種の針葉樹の種子が混在している中から、正常な胚を持つ針葉樹の種子のみを特定して選別する、針葉樹の種子の選別方法：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある、２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が正常な胚を持つ種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。 - 針葉樹がヒノキ科植物又はマツ科植物である請求項１に記載の方法。
- 針葉樹がヒノキ科植物であり、ヒノキ科植物がスギ又はヒノキである請求項２に記載の方法。
- 針葉樹がマツ科植物であり、該マツ科植物がマツ類、カラマツ類、モミ類又はトウヒ類である請求項２に記載の方法。
- ２つの特定の波長の少なくとも１つが約１７２０ｎｍ〜約１７６０ｎｍの範囲から選ばれる、請求項１〜４のいずれかに記載の方法。
- ２つの特定の波長が約１６２０ｎｍ〜約１７６０ｎｍの範囲から選ばれる、請求項１〜４のいずれかに記載の方法。
- ２つの特定の波長が約１７２０ｎｍ〜約１８７０ｎｍの範囲から選ばれる、請求項１〜４のいずれかに記載の方法。
- 前記２つの特定の波長とは異なる波長における反射率のデータを解析することをさらに含む、請求項１に記載の方法。
- 前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、それぞれ約１５８０ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１８００ｎｍ〜約２１００ｎｍの範囲の波長である、請求項８に記載の方法。
- 針葉樹がヒノキ科植物又はマツ科植物であり、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１６００ｎｍ〜約１６５０ｎｍ、約１７００ｎｍ〜約１７９０ｎｍ及び約１９５０ｎｍ〜約２１００ｎｍの範囲の波長である、請求項９に記載の方法。
- 針葉樹がカラマツ属植物であり、前記２つの特定の波長及び前記２つの特定の波長とは異なる波長が、約１５８０ｎｍ〜約１６２０ｎｍ、約１７００ｎｍ〜約１７５０ｎｍ及び約１８５０ｎｍ〜約１９１０ｎｍである、請求項９に記載の方法。
- 以下の工程を含む、ある特定の針葉樹の種子が正常な胚を持つかを判別する方法：
（ａ）上記種子に近赤外光を照射し、該種子から反射される近赤外光のスペクトルを測定し、各波長における反射率のデータを取得する；
（ｂ）７５０〜２２００ｎｍの範囲内にある２つの特定の波長における反射率のデータを、上記種子について抽出する;
（ｃ）前記抽出した反射率の比を各種子について計算する；及び
（ｄ）（ｃ）において計算した前記比を、正常な胚を持つ種子であると判定するための、前記２つの特定の波長における反射率の比の閾値と比較し、（i）前記比が正常な胚を持つ種子において前記閾値以下である傾向がある場合には、前記比が前記閾値以下である種子を正常な胚を持つ種子として特定し、（ii）前記比が正常な胚を持つ種子において前記閾値より大きい傾向がある場合には、前記比が前記閾値より大きい種子を正常な胚を持つ種子として特定する。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014242184 | 2014-11-28 | ||
| JP2014242184 | 2014-11-28 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016561427A Division JP6782408B2 (ja) | 2014-11-28 | 2015-09-04 | 近赤外光を用いた樹木の種子選別方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2020170006A true JP2020170006A (ja) | 2020-10-15 |
Family
ID=56074033
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016561427A Active JP6782408B2 (ja) | 2014-11-28 | 2015-09-04 | 近赤外光を用いた樹木の種子選別方法 |
| JP2020104743A Pending JP2020170006A (ja) | 2014-11-28 | 2020-06-17 | 近赤外光を用いた樹木の種子選別方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016561427A Active JP6782408B2 (ja) | 2014-11-28 | 2015-09-04 | 近赤外光を用いた樹木の種子選別方法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3225089A4 (ja) |
| JP (2) | JP6782408B2 (ja) |
| WO (1) | WO2016084452A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102112088B1 (ko) * | 2018-12-31 | 2020-05-18 | 충남대학교산학협력단 | 초분광영상기술을 이용한 편백나무 우량종자 선별방법 |
| JP7111360B2 (ja) * | 2019-03-06 | 2022-08-02 | 九州計測器株式会社 | 充実種子選別装置 |
| JP7419744B2 (ja) * | 2019-10-18 | 2024-01-23 | 株式会社プロテリアル | 組織画像の解析方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5315890A (en) * | 1976-07-28 | 1978-02-14 | Shimadzu Corp | Method of and apparatus for measuring deterioration degree of organic substance or matured degree of agricultural products |
| JPS6428544A (en) * | 1987-07-23 | 1989-01-31 | Mitsui Mining & Smelting Co | Method and apparatus for measuring quality of fruit |
| JPH01301147A (ja) * | 1988-05-28 | 1989-12-05 | Mitsui Mining & Smelting Co Ltd | 青果物の品質測定法およびその装置 |
| US20040055211A1 (en) * | 2000-05-25 | 2004-03-25 | Torbjorn Lestander | Single seed sortation |
| WO2010000266A1 (en) * | 2008-07-04 | 2010-01-07 | Aarhus Universitet, Det Jordbrugsvidenskabelige Fakultet | Classification of seeds |
| US20130229647A1 (en) * | 2010-10-15 | 2013-09-05 | Syngenta Participations Ag | Method for classifying seeds, comprising the usage of infrared spectroscopy |
| JP2013238579A (ja) * | 2012-04-20 | 2013-11-28 | Hiroshima Univ | 穀粒成分分析装置および穀粒成分分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10257803A (ja) * | 1997-03-18 | 1998-09-29 | T S Shokubutsu Kenkyusho:Kk | 種子選別方法 |
-
2015
- 2015-09-04 JP JP2016561427A patent/JP6782408B2/ja active Active
- 2015-09-04 WO PCT/JP2015/075168 patent/WO2016084452A1/ja active Application Filing
- 2015-09-04 EP EP15863209.1A patent/EP3225089A4/en not_active Withdrawn
-
2020
- 2020-06-17 JP JP2020104743A patent/JP2020170006A/ja active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5315890A (en) * | 1976-07-28 | 1978-02-14 | Shimadzu Corp | Method of and apparatus for measuring deterioration degree of organic substance or matured degree of agricultural products |
| JPS6428544A (en) * | 1987-07-23 | 1989-01-31 | Mitsui Mining & Smelting Co | Method and apparatus for measuring quality of fruit |
| JPH01301147A (ja) * | 1988-05-28 | 1989-12-05 | Mitsui Mining & Smelting Co Ltd | 青果物の品質測定法およびその装置 |
| US20040055211A1 (en) * | 2000-05-25 | 2004-03-25 | Torbjorn Lestander | Single seed sortation |
| WO2010000266A1 (en) * | 2008-07-04 | 2010-01-07 | Aarhus Universitet, Det Jordbrugsvidenskabelige Fakultet | Classification of seeds |
| US20130229647A1 (en) * | 2010-10-15 | 2013-09-05 | Syngenta Participations Ag | Method for classifying seeds, comprising the usage of infrared spectroscopy |
| JP2013238579A (ja) * | 2012-04-20 | 2013-11-28 | Hiroshima Univ | 穀粒成分分析装置および穀粒成分分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6782408B2 (ja) | 2020-11-11 |
| EP3225089A4 (en) | 2018-07-25 |
| WO2016084452A1 (ja) | 2016-06-02 |
| EP3225089A1 (en) | 2017-10-04 |
| JPWO2016084452A1 (ja) | 2017-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2020170006A (ja) | 近赤外光を用いた樹木の種子選別方法 | |
| Walsh et al. | Visible-NIR ‘point’spectroscopy in postharvest fruit and vegetable assessment: The science behind three decades of commercial use | |
| Li et al. | Discriminating varieties of tea plant based on Vis/NIR spectral characteristics and using artificial neural networks | |
| Pearson et al. | Detecting aflatoxin in single corn kernels by transmittance and reflectance spectroscopy | |
| US9574997B2 (en) | Method for classifying seeds, comprising the usage of infrared spectroscopy | |
| Peiris et al. | Near-infrared spectrometric method for nondestructive determination of soluble solids content of peaches | |
| CN1484761A (zh) | 分析农产品的方法和装置 | |
| WO2010000266A1 (en) | Classification of seeds | |
| Tigabu et al. | Discrimination of viable and empty seeds of Pinus patula Schiede & Deppe with near-infrared spectroscopy | |
| CN113237864A (zh) | 一种基于光谱成像技术进行油菜叶片菌核病动态发展的快速诊断的方法 | |
| Yang et al. | In situ determination of growing stages and harvest time of tomato (Lycopersicon esculentum) fruits using fiber-optic visible—near-infrared (vis-nir) spectroscopy | |
| Delwiche et al. | Limitations of single kernel near-infrared hyperspectral imaging of soft wheat for milling quality | |
| Lu et al. | Hyperspectral imaging with machine learning to differentiate cultivars, growth stages, flowers, and leaves of industrial hemp (Cannabis sativa L.) | |
| Wen et al. | Effects of N application rate on N remobilization and accumulation in maize (Zea mays L.) and estimating of vegetative N remobilization using hyperspectral measurements | |
| Armstrong et al. | Detection of chalk in single kernels of long‐grain milled rice using imaging and visible/near‐infrared instruments | |
| Tigabu et al. | Identification of seed sources and parents of Pinus sylvestris L. using visible–near infrared reflectance spectra and multivariate analysis | |
| KR101922447B1 (ko) | 근적외선 분광기를 이용한 목초종자의 품종판별 방법 | |
| JPWO2013133171A1 (ja) | 種子選別方法及び種子選別装置 | |
| Soltani et al. | Prediction of viability of oriental beechnuts, Fagus orientalis, using near infrared spectroscopy and partial least squares regression | |
| Li et al. | Chlorophyll assessment and sensitive wavelength exploration for tea (Camellia sinensis) based on reflectance spectral characteristics | |
| Basso et al. | Cultivar discrimination at different site elevations with remotely sensed vegetation indices | |
| Woo et al. | pH prediction of Perlis sunshine mango using NIR spectrometer | |
| Diniz et al. | Comparative performance of bench and portable near infrared spectrometers for measuring wood samples of two Eucalyptus species (E. pellita and E. benthamii) | |
| TW202117306A (zh) | 葉綠素含量的測定方法及果實的熟度判定方法 | |
| CN111521583A (zh) | 一种苹果霉心病检测模型建立的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200618 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200618 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200917 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210507 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211026 |