基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型.pdf

大豆科学ＳｏｙｂｅａｎＳｃｉｅｎｃｅ２０２５ꎬ４４(１):０１１￣０２１

ｈｔｔｐ://ｄｄｋｘ.ｈａａｓｅｐ.ｃｎＤＯＩ:１０.１１８６１/ｊ.ｉｓｓｎ.１０００￣９８４１.２０２５.０１.００１１

基于Ｍｉｃｒｏ￣ＣＴ分析大豆种子结构表型及构建种子重量预测模型

１２２２２２∗

刘长斌ꎬ李远鲲ꎬ郭民坤ꎬ樊江川ꎬ郭新宇ꎬ卢宪菊

(１.农芯科技(北京)有限责任公司ꎬ北京１０００９７ꎻ２.北京市农林科学院信息技术研究中心/数字植物北京市重点实验室ꎬ北京１０００９７)

摘要:大豆是重要的粮油兼用作物ꎬ是植物蛋白质的重要来源ꎬ为明确大豆种子结构特征并构建种子重量预测模

型ꎬ以４２个不同大豆品种为材料ꎬ利用Ｍｉｃｒｏ￣ＣＴ技术扫描测试样本ꎬ通过ＣＴ图像的处理解析ꎬ获取大豆种子的长度、

宽度、厚度、体积、表面积、种胚体积、表面积及空腔体积特征ꎬ人工称重测定单粒重量指标ꎮ系统分析种子形态特征

及其与重量的相关关系ꎬ并对不同品种进行聚类分析ꎬ通过对多项形态表型和重量指标进行主成分分析ꎬ确定主要贡

献指标ꎬ基于机器学习算法构建重量预测模型ꎮ结果表明:种子形态特征与种子重量显著相关ꎬ但种子形状特征对重

量无显著影响ꎻ４２个大豆品种可以分为４类ꎬ其中第一类品种蒙豆３７５和蒙豆６０的种子大小和重量指标均显著高于

其他３类品种ꎮ利用随机森林模型和偏最小二乘回归方法构建的重量预测模型效果优于单一指标的简单线性回归

２

效果ꎮ其中ꎬ随机森林回归模型训练集和测试集的Ｒ分别为０.８０和０.６６ꎬＲＭＳＥ分别为０.０１７和０.０２１ｇꎬ偏最小二

２

乘回归模型训练集和测试集的Ｒ分别为０.７５和０.７２ꎬＲＭＳＥ分别为０.０１９和０.０２０ｇꎮ研究结果为大豆种子外部形

态和内部结构的研究提供了新的技术和方法ꎬ为大豆品种分类、产量和品质性状的评价提供理论和技术参考ꎮ

关键词:Ｍｉｃｒｏ￣ＣＴꎻ大豆ꎻ结构表型ꎻ重量预测ꎻ模型构建ꎻ机器学习

ＡｎａｌｙｓｉｓｏｆＳｏｙｂｅａｎＳｅｅｄＳｔｒｕｃｔｕｒｅＰｈｅｎｏｔｙｐｅａｎｄＣｏｎｓｔｒｕｃｔｉｏｎｏｆＳｅｅｄＷｅｉｇｈｔ

ＰｒｅｄｉｃｔｉｏｎＭｏｄｅｌＢａｓｅｄｏｎＭｉｃｒｏ￣ＣＴ

１２２２２２∗

ＬＩＵＣｈａｎｇｂｉｎꎬＬＩＹｕａｎｋｕｎꎬＧＵＯＭｉｎｋｕｎꎬＦＡＮＪｉａｎｇｃｈｕａｎꎬＧＵＯＸｉｎｙｕꎬＬＵＸｉａｎｊｕ

(１.ＮｏｎｇＸｉｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ(Ｂｅｉｊｉｎｇ)Ｃｏ.ꎬＬｔｄ.ꎬＢｅｉｊｉｎｇ１０００９７ꎬＣｈｉｎａꎻ２.ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＣｅｎｔｅｒꎬＢｅｉｊｉｎｇＡｃａｄｅｍｙｏｆ

ＡｇｒｉｃｕｌｔｕｒｅａｎｄＦｏｒｅｓｔｒｙＳｃｉｅｎｃｅ/ＢｅｉｊｉｎｇＫｅｙＬａｂｏｆＤｉｇｉｔａｌＰｌａｎｔꎬＢｅｉｊｉｎｇ１０００９７ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｓｏｙｂｅａｎｉｓａｎｉｍｐｏｒｔａｎｔｄｕａｌ￣ｐｕｒｐｏｓｅｃｒｏｐｕｓｅｄｆｏｒｂｏｔｈｆｏｏｄａｎｄｏｉｌｐｒｏｄｕｃｔｉｏｎ.Ｉｔｉｓａｓｉｇｎｉｆｉｃａｎｔｓｏｕｒｃｅｏｆｐｌａｎｔ

ｐｒｏｔｅｉｎ.Ｉｎｏｒｄｅｒｔｏｃｌａｒｉｆｙｔｈｅｓｔｒｕｃｔｕｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｏｙｂｅａｎｓｅｅｄｓａｎｄｃｏｎｓｔｒｕｃｔａｓｅｅｄｗｅｉｇｈｔｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌꎬ４２

ｄｉｆｆｅｒｅｎｔｓｏｙｂｅａｎｖａｒｉｅｔｉｅｓｗｅｒｅｕｓｅｄａｓｍａ