Smart and accurate: A new tool to identify stressed soybean seeds based on multispectral images and machine learning models

Autor(es)

Petronilio, Ana Carolina Picinini ; Mastrangelo, Clissia Barboza ; Batista, Thiago Barbosa ; de Oliveira, Gustavo Roberto Fonseca ; dos Santos, Isabela Lopes ; da Silva, Edvaldo Aparecido Amaral

• Tipo de documento: Artigo Científico
• Fonte: SMART AGRICULTURAL TECHNOLOGY; v. 12, p. 10-pg., 2025-12-01.

Resumo

Extreme environmental conditions have been recurrent during the last few years and have impacted crop seed quality worldwide, mainly but not limited to, soybeans (Glycine max (L) Merrill). To overcome this, seed companies often demand innovative tools to address seed quality factors. Machine learning models based on multispectral imaging are a novel seed quality analysis approach. Thus, we hypothesize that segmenting stressed (those produced under conditions that are not favorable to the mother-plant) and non-stressed (produced under conditions favorable to the mother-plant) soybean seeds would be possible with this technology, opening a new opportunity for seed quality management and elucidating quality factors. Soybean seeds (cultivar BR/MG 46Conquista) were produced under water deficit and heat during maturation (from R5.5 onwards). Multispectral images were acquired from stressed and non-stressed seeds, and the reflectance, autofluorescence, physical properties, and chlorophyll parameters were extracted from the images. In parallel, we determined seed vigor. We designed machine learning models using multispectral imaging data based on three algorithms: neural network, support vector machine, and random forest. Our results demonstrated that the stressed seeds have spectral markers that enable their recognition. Concomitantly, these markers had a direct relationship with seed vigor. The machine learning models developed based on neural network algorithm showed the highest performance in segmenting stressed seeds (>= 90 % of accuracy, precision, recall, specificity and F1 score) in contrast to random forest- and support vector machine algorithm (>= 88 % of accuracy, precision, recall, specificity and F1 score). Here, we report a new approach for multispectral imaging with the potential to identify soybean seeds of lower vigor as a result of unfavorable environmental conditions during seed maturation. (AU)

• Processo FAPESP: 17/50211-9 - Base genética e molecular da retenção de clorofila nas sementes: um passo à frente para melhorar a adaptabilidade da soja às mudanças climáticas
• Beneficiário: Edvaldo Aparecido Amaral da Silva
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 18/03802-4 - EMU concedido no processo 2017/15220-7: sistema de imagem VideoMeterLab
• Beneficiário: Clíssia Barboza Mastrangelo
• Modalidade de apoio: Auxílio à Pesquisa - Programa Equipamentos Multiusuários
• Processo FAPESP: 20/14050-3 - Desuniformidade da maturação de sementes de amendoim: abordagem fisiológica, química e transcriptômica
• Beneficiário: Gustavo Roberto Fonseca de Oliveira
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 19/06160-6 - Influência do ambiente na ocorrência de sementes verdes, produção de óleo e proteína em um genótipo de soja com acúmulo de ß-Caroteno
• Beneficiário: Thiago Barbosa Batista
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 17/15220-7 - Métodos de análise de imagens não destrutivos para avaliação da qualidade de sementes
• Beneficiário: Clíssia Barboza Mastrangelo
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Processo FAPESP: 18/03793-5 - EMU concedido no processo 2017/15220-7: sistema de imagem SeedReporter câmera spectral & colour
• Beneficiário: Clíssia Barboza Mastrangelo
• Modalidade de apoio: Auxílio à Pesquisa - Programa Equipamentos Multiusuários
• Processo FAPESP: 21/03209-4 - Como os fatores de transcrição ABI3 e ABI5 associam-se à retenção de clorofila em sementes de soja?
• Beneficiário: Isabela Lopes dos Santos
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Processo FAPESP: 18/01774-3 - Métodos de análise de imagens não destrutivos para avaliação da qualidade de sementes
• Beneficiário: Clíssia Barboza Mastrangelo
• Modalidade de apoio: Bolsas no Brasil - Jovens Pesquisadores
• Processo FAPESP: 23/00435-9 - Antocianina: um novo biomarcador da qualidade fisiológica de sementes de amendoim?
• Beneficiário: Gustavo Roberto Fonseca de Oliveira
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado