通过智能农业光学 RGB 方法预测高等植物育苗容器中种子发芽成功率

为什么种子颜色对未来森林很重要

随着全球日益依赖森林来封存碳、保护土壤并提供木材，确保每粒细小的树种子拥有最佳生长机会变得至关重要。然而用于造林的种子批次往往良莠不齐：有些种子能茁壮生长，而有些则永远不发芽。本研究探讨了一个出人意料但潜力巨大的简单想法：使用普通办公扫描仪采集的苏格兰松种子颜色，预测哪些种子在育苗容器中最有可能成功发芽。

从种子果园到简单扫描仪

研究人员聚焦于在白俄罗斯种子果园中栽培的一种苏格兰松，该种植材料因生长良好且产种量高而被选中。他们采集了 1,200 粒种子，进行了仔细清洁与去翅处理，然后为每粒种子建立了详尽的“护照”。该护照将三类信息关联起来：种子的基本物理特征（例如质量和尺寸）、平板扫描仪记录的颜色，以及它最终在育苗容器格中是否发芽。为确保所有数据精确对应，每粒种子都分配了唯一编码，并从扫描玻璃到苗盘中的确切位置进行了跟踪。

通过反射光读取种子信息

研究团队没有使用昂贵的实验室设备，而是采用了普通消费级扫描仪的默认设置和白色背景。他们将种子按小组有序摆放进行扫描，随后使用免费的 ImageJ 软件勾勒每粒种子的轮廓并测量数字图像中红、绿、蓝通道的亮度值。这些亮度值从暗到亮为种皮颜色提供了数值化描述。同一批逐一跟踪的种子随后被播入填充泥炭的育苗格，置于温室内，在为期 30 天的时间里对温度、湿度和浇水进行严格控制。期末时，每粒种子被简单记录为发芽或未发芽。

颜色揭示的发芽信息

结果显示出清晰且统计学上显著的模式。未能发芽的种子在三个颜色通道上平均更亮、更具反射性，而产生苗木的种子则更暗。换言之，颜色较深的种子更倾向于成功发芽。虽然未发芽种子的质量也略显偏低，但颜色差异更明显且更易区分。中位数和分布的分析显示，尤其在红色和绿色通道上，未发芽种子的亮度呈明显向上偏移。主成分分析等额外统计工具证实了颜色信息超出简单尺寸的附加价值：即使在控制了种子尺寸后，亮度仍能帮助区分优良与较差的种子。

将图像转化为实用决策

为检验这些信息在实际分拣中的可用性，作者在组合的物理与颜色数据上训练了简单的机器学习模型。这些模型，包括逻辑回归和线性判别分析，能在保留大多数有发芽能力种子的同时，剔除许多不太可能发芽的种子。模型表现出高召回率（很少把好种子丢弃）和稳健的总体准确性，表明基于 RGB 颜色的光学分拣步骤可以显著提高种子批次的平均发芽率。重要的是，所有这些都是使用低成本、广泛可得的工具完成的，而非专用成像系统。

这对森林苗圃意味着什么

研究得出结论：对于这批苏格兰松种子，在标准育苗容器条件下，较亮、颜色偏浅的种子发芽几率较低，而较暗的种子表现更好。这一通过办公扫描仪捕捉并由简单软件处理的视觉信号，可作为播种前快速、无损的预分拣方法。尽管作者指出颜色阈值可能因种子批次和环境而异，但他们的工作提供了概念验证：日常数字成像可以成为一种“智能农业”工具，帮助苗圃挑选更强健的种源，提高秧苗产量，并最终支持更可靠、更具恢复力的森林修复。

引用: 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

关键词: 苏格兰松种子, 种子发芽, RGB 成像, 森林苗圃, 精确林业