Исследование структуры зерна пшеницы методом цифровой рентгенографии

Введение. Анализ качества зерна пшеницы инструментальными методами является актуальной задачей ввиду ежегодного увеличения объемов его производства и экспорта. Метод цифровой рентгенографии перспективен для исследования внутренней структуры зерна пшеницы, так как является неразрушающим и совместно с другими методами дает возможность наиболее полно описать параметры зерна.

Цель работы. Определить возможности цифровой рентгенографии для исследования структуры зерна пшеницы.

Материалы и методы. Для получения цифровых рентгеновских изображений использована многофункциональная передвижная рентгенодиагностическая установка производства ЗАО "ЭЛТЕХ-Мед". Напряжение на трубке установки – 9 кВ. В статье использованы образцы зерна твердой пшеницы разных сортов. Для автоматизации операций по обработке изображений зерна применялись разработанные скрипты на языке Python с использованием библиотек numpy, opencv.

Результаты. Исследовано ослабление рентгеновского излучения материалом зерна. Показано, что оболочка зерна обладает большим коэффициентом ослабления, чем эндосперм. Найдено обоснование явления, которое заключается в большей концентрации калия и фосфора в оболочке пшеницы. Полученное расчетным путем отношение коэффициентов ослабления оболочки к эндосперму составило 1.27, экспериментальным 1.36. Показано влияние геометрической формы зерна пшеницы на формирование рентгеновского изображения зерна. Приведен способ описания геометрической формы зерна с использованием кривых второго порядка. Построена математическая модель прохождения рентгеновского излучения в зерне пшеницы с учетом его сложной формы и неоднородного распределения макроэлементов в нем. Модель позволяет неразрушающим методом оценить коэффициенты ослабления эндосперма и оболочки зерна.

Заключение. Метод цифровой рентгенографии для исследования пшеницы рационально применять в научных исследованиях и задачах селекции. Предложенную модель прохождения рентгеновского излучения в зерне пшеницы можно использовать для численного определения некоторых показателей качества зерна.

1. Crops and livestock products // FAOSTAT. URL: https://www.fao.org/faostat/en/#data/QCL (дата обращения 02.10.2023)

2. Анализ состояния мирового рынка пшеницы и перспективы России по расширению экспортного потенциала / Д. И. Жиляков, В. Я. Башкатова, Ю. В. Плахутина, О. В. Петрушина, Д. А. Зюкин // Экономические науки. 2020. № 183. С. 38–43. doi: 10.14451/1.183.38

3. Зимняков В. М. Тенденции производства пшеницы в России // Инновационная техника и технология. 2020. № 2 (23). С. 48–52.

4. Новые сорта – резерв увеличения урожайности и качества зерна озимой пшеницы / Х. А. Малкандуев, Р. И. Шамурзаев, В. А. Филобок, М. В. Кашукоев, А. Х. Малкандуева, И. М. Ханиева // Изв. Кабардино-Балкарского гос. аграрного ун-та им. В. М. Кокова. 2023. № 2 (40). С. 16–24. doi: 10.55196/2411-3492-2023-2-40-16-24

5. Use of X-ray micro computed tomography imaging to analyze the morphology of wheat grain through its development / T. D. Q. Le, C. Alvarado, C. Girousse, D. Legland, A.-L. Chateigner-Boutin // Plant Methods. 2019. Vol. 15. P. 84–103. doi: 10.1186/s13007-019-0468-y

6. Genetic Mapping Analysis of Bread-Making Quality Traits in Spring Wheat / K. Simons, J. A. Anderson, M. Mergoum, J. D. Faris, D. L. Klindworth, S. S. Xu, C. Sneller, J.-B. Ohm, G. A. Hareland, M. C. Edwards, S. Chao // Crop Science. 2012. Vol. 52, iss. 5. P. 2182–2197. doi: 10.2135/cropsci2012.03.0175

7. Желудков А. Г., Белецкий С. Л., Потрахов Н. Н. Теоретические аспекты автоматизации рентгенографического метода анализа качества семян и товарного зерна злаковых культур // Инновационные технологии производства и хранения материальных ценностей для государственных нужд: междунар. сб. науч. тр. ФБГУ НИИПХ Росрезерва. М.: Галея Принт, 2014. С. 106–115.

8. Желудков А. Г., Потрахов Н. Н., Белецкий С. Л. Комплексное решение задач автоматизации рентгенографического метода анализа качества семян и зерна злаковых культур // Хлебопродукты. 2016. № 5. С. 58–61.

9. Потрахов Н. Н. Метод и особенности формирования теневого рентгеновского изображения микрофокусными источниками излучения // Вестн. новых мед. технологий. 2007. Т. 14, № 3. С. 167–169.

10. Потрахов Н. Н., Грязнов А. Ю. Метод оценки информативности визуализированных дентальных рентгеновских изображений // Мед. техника. 2009. № 1. С. 16–18.

11. Combining computer vision and deep learning to enable ultra-scale aerial phenotyping and precision agriculture: A case study of lettuce production / A. Bauer, A. G. Bostrom, J. Ball, C. Applegate, T. Cheng, S. Laycock, S. M. Rojas, J. Kirwan, J. Zhou // Horticulture Research. 2019. Vol. 6. P. 70–82. doi: 10.1038/s41438-019-0151-5

12. X-Ray Computer Methods for Studying the Structural Integrity of Seeds and Their Importance in Modern Seed Science / M. V. Arkhipov, N. S. Priyatkin, L. P. Gusakova, N. N. Potrakhov, A. Yu. Gryaznov, V. B. Bessonov, A. V. Obodovskii, N. E. Staroverov // Tech. Phys. 2019. Vol. 64. P. 582– 592. doi: 10.1134/S1063784219040030

13. Козьмина Н. П., Гунькин В. А., Сусля нок Г. М. Теоретические основы прогрессивных технологий (Биотехнология). Зерноведение (с основами биохимии растений). М.: Колос, 2006. 307 с.

14. Белецкий С. Л., Иванова Е. В., Фешина Т. В. Современные рентгендиагностические комплексы для экспресс-оценки качества сырья // Практические аспекты исследования и мониторинга качества сырья и продуктов питания для обеспечения продовольственной безопасности России: сб. докл. науч.-практ. семинара / ФГУ НИИПХ Росрезерва. М., 2010. С. 78–83.

15. Distribution of Minerals in Wheat Grains (Triticum aestivum) and in Roller Milling Fractions Affected by Pearling / N. D. Brier, S. V. Gomand, E. Donner, D. Paterson, J. A. Delcour, E. Lombi, E. Smolders // J. of Agricultural and Food Chemistry. 2015. Vol. 63, iss. 4. P. 1276–1285. doi: 10.1021/jf5055485

16. Релина Л. И., Вечерская Л. А., Голик О. В. Содержание белка и минералов в зерне некоторых видов редких тетраплоидных пшениц // Вестн. БарГУ. Сер.: Биологические науки. С.-х.. 2019. № 7. С. 130–138.

17. Genetic variability and stability of grain magnesium, zinc and iron concentrations in bread wheat / F.-X. Oury, F. Leenhardt, C. Remesy, E. Chanliaud, B. Duperrier, F. Balfourier, G. Charmet // Europ. J. Agronomy. 2006. Vol. 25. P. 177–185. doi: 10.1016/j.eja.2006.04.011