本研究由Jingwu Meng（第一作者，北京农林科学院智能装备研究中心/陕西科技大学电气与控制工程学院）、Yu Xia（陕西科技大学电气与控制工程学院）、Bin Luo（北京农林科学院智能装备研究中心）、Kai Kang（北京农林科学院智能装备研究中心）和Han Zhang（通讯作者，北京农林科学院智能装备研究中心）共同完成，发表于《Journal of Food Composition and Analysis》2025年第147卷。
学术背景
玉米作为全球重要粮食作物，其种子活力直接影响出苗率和产量。传统种子活力检测方法（如标准发芽试验、四唑染色法）存在破坏性、耗时长等缺陷，而新兴无损检测技术（如核磁共振、X射线）又面临效率低、操作复杂等问题。多光谱成像技术（multispectral imaging）结合了成像与光谱分析优势，可获取目标的空间和光谱信息，近年来在种子质量评估中展现出潜力。本研究旨在开发基于时间序列多光谱成像的玉米种子活力无损检测方法，通过分析种子吸水膨胀过程中的光谱动态变化，建立高精度分类模型，为种子质量评估提供新思路。
研究流程
实验材料准备
- 选用储存5年的郑单958玉米种子，初始发芽率64%。筛选600粒饱满均匀的种子，其中500粒用于活力检测，100粒用于吸水阶段分析。
- 标准发芽实验：种子经1%次氯酸钠消毒后，采用纸卷法在20℃光暗交替条件下培养，以胚根达种子长度、胚芽超种子一半为发芽标准，7天后统计活力（340粒有活力，160粒无活力）。为平衡样本，随机选取160粒有活力种子与全部无活力种子构成320粒样本集（训练集:测试集=3:1）。
多光谱数据采集
- 使用Videometer Lab 4™仪器采集19个反射波段（365–970 nm）和18个激发/发射组合的荧光光谱（autofluorescence spectral, AS）。
- 采集时间点：吸水0、12、24、36、48、60小时，每次采集前进行白、黑、点板校准。种子以5×5阵列排列，通过阈值分割技术提取感兴趣区域（ROI）的光谱数据。
- 数据预处理：采用Savitzky-Golay（SG）平滑滤波（2阶多项式，5点窗口）消除噪声。
光谱特征分析
- 反射光谱（RS）：吸水后种子颜色加深导致可见光波段反射率降低，780–970 nm波段差异与水分含量相关（图3a, 3c）。
- 荧光光谱（AS）：活力种子在450–600 nm波段的荧光强度随吸水时间逐渐超过无活力种子，515/600和540/600 nm特征与黄酮类化合物含量相关（图3b, 3d）。
- 方差分析（ANOVA）显示，吸水60小时后，28个波段出现显著差异（p<0.05），其中荧光光谱在0小时即检测到9个差异波段，早于反射光谱（图4）。
模型构建与优化
- 单时间点建模：对比SVM（支持向量机）、GBDT（梯度提升决策树）和BPNN（反向传播神经网络），SVM表现最优，60小时吸水后测试集准确率达85.36%（图6）。
- 时间序列建模：融合多时间点光谱数据及12小时间隔的差异数据，60小时时间序列模型的测试集准确率提升至92.26%，较单时间点提高6.9%（图9）。
- 随机子空间集成学习：筛选40%特征子集并结合15个基分类器，36小时吸水数据的测试集准确率即达90.48%，60小时数据进一步提升至94.05%（表1, 表2）。
主要结果
- 吸水动态：种子重量变化呈现三阶段特征（0–24小时快速吸水，24–45小时增速减缓，45小时后再次加速），与内部生理活动一致（图2）。
- 光谱差异：活力种子在405–690 nm波段的物质转化差异及780–970 nm的水分分布差异显著（图3c）；荧光光谱在24小时吸水后差异最大（图3d）。
- 模型性能：随机子空间集成方法显著提升分类效率，36小时吸水数据即可实现90%以上准确率，为种子引发（priming）过程的实时监测提供可能（表2）。
结论与价值
本研究创新性地将时间序列多光谱数据与随机子空间集成学习结合，实现了同批次玉米种子活力的无损检测（60小时准确率94.05%）。科学价值在于揭示了种子吸水过程中活力相关光谱特征的动态变化规律；应用价值体现在为种子质量控制和农业工业化提供了高效检测手段。
研究亮点
- 方法创新：首次将时间序列光谱差异与随机子空间筛选结合，突破单时间点检测的局限性。
- 技术优化：36小时吸水数据的早期高精度检测（>90%），较传统方法大幅缩短评估周期。
- 发现意义：明确了515/600 nm（黄酮类）和780–970 nm（水分）为活力关键光谱标志物。
局限性**
研究仅针对同一品种（郑单958）的5年储存种子，未来需扩展品种和储存条件以增强普适性。