Успех прорастания семян высших растений в контейнерах предсказан оптическим RGB-подходом «умного земледелия»

Почему цвет семян важен для будущих лесов

Поскольку от лесов все больше зависит поглощение углерода, защита почв и поставки древесины, жизненно важно, чтобы каждая крошечная семечка имела наилучшие шансы на рост. В то же время посевные партии для восстановительных работ могут быть разнородными: одни семена быстро прорастают, другие — нет. В этом исследовании рассматривается поразительно простая идея с большим потенциалом: использование цвета семян сосны обыкновенной, запечатленного обычным офисным сканером, для прогнозирования того, какие семена с наибольшей вероятностью успешно прорастут в контейнерных ячейках питомника.

От семенного сада — к простому сканеру

Исследователи сосредоточили внимание на культивируемой форме сосны обыкновенной, выращенной в семенном саду в Беларуси, выбранной за хорошие темпы роста и высокую продуктивность семян. Они собрали 1200 семян, аккуратно очистили и очистили от крыльев, а затем составили подробный «паспорт» для каждого семени. В этом паспорте связывались три типа данных: базовые физические характеристики семени (такие как масса и размер), его цвет, зафиксированный планшетным сканером, и информация о том, проросло ли оно в контейнере. Чтобы обеспечить точное соответствие, каждому семени присвоили уникальный код и отслеживали его от стекла сканера до точного положения в лотке питомника.

Чтение семян по отраженному свету

Вместо дорогостоящего лабораторного оборудования команда использовала стандартный потребительский сканер в настройках по умолчанию на белом фоне. Семена сканировали малыми организованными группами, а затем с помощью бесплатной программы ImageJ обводили каждое семя и измеряли, насколько ярко оно выглядело в красном, зеленом и синем каналах цифрового изображения. Эти значения яркости, от темного до светлого, служат числовым описанием окраски оболочки семени. Те же индивидуально отслеженные семена затем высадили в торфяные контейнеры в теплице, где температура, влажность и полив контролировались в течение 30 дней. По завершении этого периода каждое семя было просто занесено в учет как проросшее или нет.

Что цвет рассказал об успехе семян

Результаты показали ясные и статистически значимые закономерности. Семена, не давшие всходов, в среднем были светлее и более отражающими во всех трех цветовых каналах по сравнению с семенами, давшими сеянцы. Иными словами, более темные семена имели тенденцию давать лучшие результаты при прорастании. Хотя непрораставшие семена также в среднем были немного легче по массе, различия по цвету оказались более выраженными и легчеразличимыми. Анализ медиан и распределений выявил отчетливый сдвиг к большей яркости, особенно в красном и зеленом каналах, для семян, не давших всходов. Дополнительные статистические методы, такие как анализ главных компонент, подтвердили, что цвет приносит информацию сверх простой величины: даже при учете размера семени яркость помогала различать «хорошие» и «плохие» образцы.

Преобразование изображений в практические решения

Чтобы проверить, можно ли использовать эту информацию для реальной сортировки, авторы обучили простые модели машинного обучения на объединенных физико-цветовых данных. Эти модели, включая логистическую регрессию и линейный дискриминантный анализ, правильно сохраняли большинство семян, способных к прорастанию, одновременно отбрасывая многие маловероятные к прорастанию. Модели показали высокую полноту (мало хороших семян было отсеяно) и солидную общую точность, что говорит о том, что оптический этап сортировки на основе RGB-цвета может существенно повысить среднюю всхожесть партий семян. Важно, что все это было достигнуто с использованием недорогих и широко доступных инструментов, а не специализированных систем визуализации.

Что это значит для лесных питомников

Авторы делают вывод, что для данной партии семян сосны обыкновенной более светлые, светлоокрашенные семена имеют меньший шанс прорастания в стандартных условиях контейнерного питомника, тогда как более темные семена показывают лучшие результаты. Этот простой визуальный маркер, зафиксированный офисным сканером и обработанный простым программным обеспечением, может служить быстрым, неразрушающим методом предпросеянной сортировки. Хотя авторы отмечают, что пороги по цвету могут различаться между партиями семян и условиями выращивания, их работа демонстрирует концепт: бытовая цифровая визуализация может стать инструментом «умного земледелия», помогая питомникам выбирать более сильный посевной материал, увеличивать производство сеянцев и в конечном счете поддерживать более надежное и устойчивое восстановление лесов.

Цитирование: 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

Ключевые слова: семена сосны обыкновенной, прорастание семян, RGB-сканирование, лесные питомники, точное лесоводство