Keimungserfolg von Samen in Behältern bei höheren Pflanzen vorhergesagt durch einen smart-farming RGB-Ansatz

Warum Samenfarbe für die Wälder von morgen wichtig ist

Da die Welt verstärkt auf Wälder setzt, um Kohlenstoff zu binden, Böden zu schützen und Holz zu liefern, wird es entscheidend, dass jeder kleine Baumsamen die bestmögliche Chance zum Aufwachsen hat. Dennoch können Saatgutpartien für Aufforstung sehr heterogen sein: einige Samen gehen lebhaft auf, andere keimen gar nicht. Diese Studie untersucht eine überraschend einfache Idee mit großem Potenzial: die Farbe von Waldkiefernsamen (Scots pine), aufgenommen mit einem gewöhnlichen Büroscanner, zur Vorhersage, welche Samen voraussichtlich erfolgreich in Topfzellen keimen.

Vom Saatgutgarten zum einfachen Scanner

Die Forschenden konzentrierten sich auf eine kultivierte Form der Waldkiefer, die in einem Saatgutgarten in Belarus angebaut wurde, ausgewählt wegen guten Wuchses und hoher Samenproduktion. Sie sammelten 1.200 Samen, säuberten und entstaubten sie sorgfältig und erstellten dann für jeden Samen einen detaillierten „Pass“. Dieser Pass verknüpfte drei Informationsarten: die grundlegenden physischen Eigenschaften des Samens (wie Masse und Größe), seine Farbe, wie sie von einem Flachbettscanner erfasst wurde, und die Frage, ob er schließlich in einer Topfzelle keimte. Um perfekte Zuordnung zu gewährleisten, erhielt jeder Samen einen eindeutigen Code und wurde vom Scanner-Glas bis zu seiner genauen Position im Anzuchtray verfolgt.

Samen aus ihrem reflektierten Licht lesen

Statt teurer Laborausrüstung nutzte das Team einen handelsüblichen Scanner mit Standardeinstellungen und weißem Hintergrund. Sie scannten Samen in kleinen, organisierten Gruppen und verwendeten später die frei verfügbare Software ImageJ, um jeden Samen zu umreißen und die Helligkeit in den Rot-, Grün- und Blaukanälen des digitalen Bildes zu messen. Diese Helligkeitswerte, von dunkel bis hell, fungieren als numerische Beschreibung der Samenschalenfarbe. Dieselben einzeln verfolgten Samen wurden dann in mit Torf gefüllte Topfzellen in einem Gewächshaus gesät, wo Temperatur, Luftfeuchte und Bewässerung über einen Zeitraum von 30 Tagen kontrolliert wurden. Am Ende dieses Zeitraums wurde jeder Samen einfach als gekeimt oder nicht gekeimt vermerkt.

Was die Farbe über Keimungserfolg verriet

Die Ergebnisse zeigten klare und statistisch starke Muster. Samen, die nicht keimten, waren im Durchschnitt heller und in allen drei Farbkanälen reflektierender als Samen, die zu Keimlingen führten. Anders gesagt: dunklere Samen neigten eher zu erfolgreicher Keimung. Während nicht keimende Samen tendenziell auch etwas geringere Masse aufwiesen, waren die Farbunterschiede ausgeprägter und leichter zu trennen. Analysen von Medians und Verteilungen zeigten eine deutliche Verschiebung hin zu höherer Helligkeit, besonders in den Rot- und Grünkanälen, bei Samen, die nicht sprossen. Zusätzliche statistische Werkzeuge, wie die Hauptkomponentenanalyse, bestätigten, dass die Farbe Informationen jenseits der einfachen Größe liefert: Selbst wenn die Samengröße berücksichtigt wurde, half die Helligkeit weiterhin, gute von schlechten Samen zu unterscheiden.

Bilder in praktische Entscheidungen umsetzen

Um zu prüfen, ob diese Informationen in der Praxis zum Sortieren verwendet werden können, trainierten die Autoren einfache maschinelle Lernmodelle auf den kombinierten physikalischen und Farb‑Daten. Diese Modelle, darunter logistische Regression und lineare Diskriminanzanalyse, behielten korrekt die meisten keimfähigen Samen bei und sortierten viele aus, die wahrscheinlich nicht sprossen. Die Modelle erreichten hohe Rückrufraten (wenige gute Samen wurden verworfen) und eine solide Gesamtgenauigkeit, was darauf hindeutet, dass ein optischer Sortierschritt basierend auf RGB‑Farbe die durchschnittliche Keimrate von Saatgutpartien deutlich erhöhen könnte. Wichtig ist, dass all dies mit kostengünstigen, weit verbreiteten Werkzeugen und nicht mit spezialisierten Bildgebungssystemen durchgeführt wurde.

Was das für Forstbetriebe bedeutet

Die Studie kommt zu dem Schluss, dass in dieser Saatgutpartie der Waldkiefer hellere, heller gefärbte Samen unter Standardbedingungen in Topfanzucht eine geringere Keimwahrscheinlichkeit aufwiesen, während dunklere Samen besser abschnitten. Dieses einfache visuelle Signal, erfasst mit einem Büroscanner und verarbeitet mit unkomplizierter Software, kann als schnelle, nicht‑destruktive Methode dienen, Samen vor der Aussaat vorzuselektieren. Obwohl die Autoren anmerken, dass Farb‑Schwellenwerte zwischen Saatgutpartien und Umgebungen variieren können, liefert ihre Arbeit einen Machbarkeitsnachweis: Alltägliche digitale Bildgebung kann zu einem „Smart Farming“-Werkzeug werden, das Baumschulen hilft, stärkeres Saatgut zu wählen, die Ausbeute an Setzlingen zu steigern und letztlich zuverlässigere sowie resilientere Aufforstung zu unterstützen.

Zitation: Novikova, T.P., Tylek, P., Petrishchev, E.P. et al. Higher plant seed container germination success predicted by smart farming optical RGB approach. Sci Rep 16, 13021 (2026). https://doi.org/10.1038/s41598-026-42258-9

Schlüsselwörter: Kiefernsamen (Scots pine), Samenkeimung, RGB-Bildgebung, Forstbetriebe, präzise Forstwirtschaft