基于CT扫描成像与机器视觉的玉米籽粒内孔体积与表面积精准评估新方法

为解决传统孔隙结构分析技术复杂耗时的问题，研究人员开发了基于ImageJ平台的机器视觉插件，通过CT扫描图像实现了玉米籽粒内孔（intrapore）体积和表面积的自动化评估。该研究成功量化了籽粒内两个孔隙群（顶部数量多/底部面积大）的形态特征，发现内孔总面积仅为籽粒的1/27但总周长达2.77倍，并创新性采用梯形积分法和锥台模型计算体积与表面积。这项发表于《Smart Agricultural Technology》的工作为农产品内部结构分析提供了高效精准的新工具。

　　

在农业工程和材料科学领域，准确评估颗粒材料的孔隙特征对理解其机械强度、渗透性和水分保持能力至关重要。然而传统孔隙分析技术如汞孔隙度测定法不仅操作复杂，还会破坏样品结构，更无法实现单颗粒水平的精准测量。面对这一挑战，北达科他州立大学（North Dakota State University, NDSU）的研究团队另辟蹊径，将医学领域成熟的CT扫描技术与机器视觉算法相结合，开创性地开发出适用于农产品的孔隙分析新方法。

研究人员选择玉米杂交品种2B863作为模型，利用GE Phoenix微CT系统获取高分辨率三维图像（电压60kV，电流166μA，体素尺寸7.45-9.80μm）。核心创新在于开发了包含17个方法的ImageJ插件，通过多边形ROI（Region of Interest）裁剪、二值化处理和粒子分析等步骤，实现了对102张连续切片中132,938个内孔特征的自动提取。特别采用梯形积分法（公式1）和辛普森法则（公式2）计算体积，创新性应用锥台模型（公式3）估算表面积，并通过球形几何验证将测量误差控制在3.7%以内。

研究结果揭示了玉米籽粒内部孔隙的精细结构特征：

1. 预处理图像特征：通过去除背景噪声的ROI裁剪和图像堆栈重建，有效识别出98张有效切片，发现顶部区域孔隙数量占比56.5%但底部区域因胚芽周围空隙更大，其总面积和周长分别占总量79.4%和60.7%。
2. 孔隙形态量化：内孔平均Feret直径仅0.053±0.023mm（相当于籽粒尺寸的1/15），形状描述显示其长宽比1.6、圆形度0.88，证实孔隙普遍呈轻微拉长形态。
3. 体积与表面积对比：梯形法测得总孔隙体积12.625mm³（占籽粒3.72%），而锥台法计算的孔隙总表面积达8215.8mm²，是籽粒表面积的14.76倍，这种"新表面积生成"现象与粉碎力学理论高度吻合。

该研究的突破性在于：首次实现单粒农产品内孔三维参数的自动化测量，相较商业软件VGStudio Max（售价5.85万美元）的检测结果差异<3.7%，为品质育种和加工工艺优化提供了新工具。通过验证性实验证实，当孔隙尺寸大于切片间距0.25mm时，该方法能准确捕获98.2%的孔隙特征。未来可扩展应用于谷物内部损伤检测、果蔬采后品质评估等领域，为农业物料微观结构研究开辟了新途径。