《Plants》：VIS–NIR–SWIR Hyperspectral Imaging and Advanced Machine and Deep Learning Algorithms for a Controlled Benchmark of Bean Seed Identification and Classification
Renan Falcioni,
Nicole Ghinzelli Vedana,
Caio Almeida de Oliveira,
Jo?o Vitor Ferreira Gon?alves,
Marcelo Luiz Chicati,
José Alexandre M. Demattê and
Marcos Rafael Nanni
编辑推荐：
传统的种子种质鉴定方法具有破坏性、费时费力且难以规模化。为解决此问题，研究人员利用可见-近红外-短波红外高光谱成像技术，结合先进的机器学习和深度学习算法，对32个豆科种质进行了精确的分类鉴定。该研究在受控实验室条件下，建立了可追踪的种子级基准，发现全光谱线性判别分析模型分类平衡准确率高达96.35%，而简化至16个可见光波段时性能显著下降。该工作为开发低成本、高通量的种质鉴定与溯源传感器系统提供了重要依据。
在保障粮食安全和营养可持续增长的背景下，如何快速、无损、规模化地量化与追踪种子的生物多样性，成为保护农业生物资源、支持育种决策和保障种子供应链的关键。然而，传统的种质鉴定方法，如基于形态学或基因型的鉴定，要么在微小的表型差异下缺乏分辨力，要么成本高昂、通量低，难以适应育种站、社区种子库或加工线的高通量筛选需求。这使得开发一种兼具严谨性与可扩展性的智能鉴定技术显得尤为重要。高光谱成像技术为此提供了一条潜在的出路，它能够捕获种子从可见光到短波红外的丰富光谱信息，其中蕴含着色素、表面结构及大分子组成等关键生物信息。尽管如此，高光谱数据的高维度、强冗余性，以及模型在不同传感器和采集条件下的泛化能力，仍然是制约其走向实际应用的壁垒。为了应对这些挑战，研究人员在《Plants》期刊上发表了一项研究，旨在建立一套在受控条件下可追踪、可解释的种子高光谱分类基准，为科学理解和可部署的传感技术架起桥梁。
为了开展这项研究，作者们采用了一套集成了多种关键技术方法的系统流程。首先，他们采集了32个豆科种质（包括30个普通菜豆地方品种和2个外群豆种）共3200粒种子的高光谱图像，使用的设备是Aisa-FENIX高光谱传感器，覆盖449.54–2399.17纳米共563个波段。每个种子通过手动划定一个标准化的10×10像素感兴趣区域，并提取其平均反射光谱。在数据分析方面，研究进行了主成分分析、波长特异性关联分析、ReliefF特征选择等一系列探索性和可解释性分析。最为关键的是，他们采用了一个固定、分层的70:30种子级训练-测试集划分策略，并在相同独立的测试集上，系统地评估了包括线性判别分析、支持向量机、子空间判别、多层感知器等在内的25种经典机器学习模型和10种一维深度学习架构的性能，同时兼顾了模型的计算效率与存储开销。
2.1. 表型多样性与种质基准
研究涵盖了从深色、高反光到中间色调，以及有条纹、斑点等多种表型的32个豆科种质，构成了一个视觉上可区分与易混淆种质共存的异质性基准数据集。通过提取每个种子ROI区域的平均光谱，构建了仅基于一维反射光谱的种质鉴定模型。
2.2. VIS–NIR–SWIR范围内的种质级反射光谱结构
平均反射光谱在可见-近红外-短波红外范围内表现出显著的种间差异。在可见光区域，光谱反射率低且种间分离清晰；在近红外区域形成一个宽阔的平台；在短波红外区域则显示出有结构的起伏。PERMANOVA分析证实了种质间反射光谱存在极显著的统计学差异。
2.3. 通过主成分分析解析光谱变异性的多变量组织
主成分分析将高维光谱数据压缩，前三主成分累计解释了97.42%的方差，表明尽管原始数据维度高，但其主导的光谱结构是低维的。在得分空间中，光谱形成一个连续流形，不同种质占据有偏移但部分重叠的区域，预示了下游分类中会出现结构化的邻近错误。
2.4. 波长解析的关联模式、光谱相似性与波段优先级
单对多关联分析显示，类别相关信息在光谱上分布不均匀，最强的关联出现在461.37纳米处。监督式波段排序方法ReliefF则将信息浓缩在两个可见光窗口：449.54–456.30纳米和577.02–597.54纳米。这些分析表明，可见光区域携带着强烈的身份识别信号。
2.5. 基于高光谱特征的种质分类：模型排序与混淆结构
在完整的563个波段的全光谱基准测试中，线性判别分析和线性支持向量机表现最佳，平衡准确率分别达到96.35%和94.17%。而基于ReliefF选择的16个波段（包含5个边缘波段）的简化表示下，最佳模型（子空间判别）的平衡准确率降至68.54%，当剔除边缘波段后，性能进一步下降至60.94%。这表明，尽管选出的可见光波段包含重要信息，但完整的光谱上下文对于区分最易混淆的种质至关重要。
2.6. 深度学习架构：学习动态与独立测试集性能
在深度学习模型中，直接在全光谱上训练的MLP_Wide架构在独立测试集上取得了最佳性能（准确率84.90%，F1分数84.47%），其表现优于更复杂的卷积、循环和注意力基架构。这表明，在中等数据量的一维光谱数据集上，更简单的前馈神经网络的归纳偏置与信号-样本比更为匹配。
在研究的结论与讨论部分，作者对发现进行了深入的阐释。首先，光谱分析表明，在该基准测试中，种质身份主要通过种皮水平的光学表型（如色素沉着和表面性质）表达，最强的鉴别信号集中在可见光区域。这对于开发专注于特定可见光波段的多光谱传感器原型具有指导意义。其次，主成分分析不仅是一种数据压缩技巧，更可作为连接传感器空间与模型解释的机制桥梁，其揭示的低维几何结构解释了模型产生结构化错误的原因。再者，模型比较结果表明，在全光谱下，简单的线性模型（如线性判别分析）就能达到接近上限的准确率，意味着在完整光谱信息下，种质结构近乎线性可分。相比之下，深度学习模型中表现最佳的却是结构相对简单的MLP_Wide，这提示在中等数据量的光谱分类任务中，模型的复杂性并非越高越好，其归纳偏置与数据的匹配度更为关键。最后，研究强调了在实际部署中，准确性并非唯一考量，预测吞吐量、训练时间和模型大小等计算特征同样至关重要。本研究表明，在受控实验室条件下，利用高光谱成像技术可以实现对豆科种质的高精度鉴定。研究通过可解释的分析方法，将鉴别能力与特定的波长区域关联起来，为未来低成本、高通量多光谱传感器的设计提供了明确的探索性指导。然而，作者也明确指出了研究的局限性：这是一项受控条件下的基准研究，其性能在光照变化、种子堆叠、跨批次或跨仪器等实际应用场景中的稳健性仍有待未来的领域适应性验证。因此，该研究应被视为迈向可部署传感方案的一个假设驱动的、可追踪的基准，而非一个经过验证的操作性种子分选解决方案。
