AgriSPEC：基于智能手机的生物散斑成像系统实现种子活力无损检测与农业可持续发展

为解决传统种子活力检测方法成本高、效率低且难以现场应用的问题，研究人员开发了基于智能手机的便携式生物散斑成像设备AgriSPEC，结合新型散斑活动图谱（SAM）算法，实现了多种子样本的高通量、实时活性分析。实验表明该系统能有效区分活性与非活性种子，且准确率优于现有方法（GD、Fujii），对优化农业投入、促进可持续农业发展具有重要意义。

　　

在全球人口预计2050年突破100亿的背景下，确保稳定的粮食供应已成为人类面临的重大挑战。种子作为农业生产的基石，其发芽能力直接关系到作物产量和粮食安全。传统育种技术虽已培育出抗病性强、产量高且耐受环境胁迫的优良品种，但如何快速、准确地区分高活力和低活力种子，仍是农业生产中亟待解决的问题。

目前种子质量评估方法主要包括热成像技术和高光谱成像技术。热成像通过捕捉温度差异反映种子质量，但易受环境干扰；高光谱成像虽对玉米、番茄等种子分级准确率高，却因设备昂贵、数据处理复杂难以推广田间应用。近年来，激光散斑成像（Laser Speckle Imaging, LSI）技术因其非侵入、无损检测特性被广泛应用于植物生理监测。当相干激光照射种子时，会产生随时间动态变化的散斑图案，这种变化与细胞器布朗运动及水分营养分子活动密切相关，可有效反映种子代谢活性和发芽潜力。然而，该技术此前受限于硬件成本高、算法处理效率低及无法同时处理多样本等问题，未能实现大规模田间应用。

针对这些痛点，研究人员开发了AgriSPEC——一款基于智能手机的便携式生物散斑成像设备，并提出新型散斑活动图谱（Speckle Activity Map, SAM）算法。该系统通过集成激光二极管、微控制器及定制化安卓应用，实现了种子散斑图像的采集与处理；SAM算法则结合RGB图像与散斑序列，生成高对比度活性图谱，支持多样本同步分析，大幅提升检测通量。

研究团队通过合成数据、公开数据集及实验数据验证了SAM算法的优越性。如图1所示，合成数据包含5个不同活性区域（R1-R5），SAM算法在N=25和N=50帧序列中均表现出更清晰的对比度。定量分析显示，SAM的时序方差与均值比（σ/μ）随帧数变化波动最小，说明其结果稳定性更高。图3进一步对比了玉米和大豆种子的处理效果：SAM不仅能区分胚根和胚乳，还显著抑制了背景噪声，细节保留能力优于Fujii和GD方法。

为验证系统实用性，团队以花生（Arachis hypogaea）和红木豆（Cajanus cajan）为样本，进行浸泡2小时（花生）和8小时（木豆）后成像分析。图4、图5显示，活性和非活性种子在SAM图谱中像素强度差异明显，而GD方法效果较差。定量数据（表1、表2）表明，SAM的归一化生物散斑活性（BA）值在活性和非活性种子间差异最大（花生：40.125±17.19 vs 23.4±13.12；木豆：40.44±8.97 vs 26.03±5.76），更易区分种子活力。发芽测试证实，SAM预判的活性种子48小时后均长出胚根，非活性种子则无变化。

本研究的关键技术方法包括：1) 使用定制3D打印外壳集成650 nm激光二极管、白光LED及微控制器（Seeeduino Xiao SAMD21），通过安卓应用控制光源并采集图像；2) 采集40秒散斑视频（30 fps）及RGB图像，手动调整焦距、快门速度（1/125秒）和ISO（50）；3) 基于Otsu阈值法从RGB图像生成掩膜，分离种子与背景；4) 提出SAM算法，通过优化阈值T₀（范围1-30）抑制实验伪影，生成高对比度活性图谱；5) 利用合成数据及公开数据集（玉米、大豆）进行算法验证，并以发芽测试为金标准评估性能。

结果

合成数据验证

通过生成具有5个不同活性区域的合成散斑序列（图2a），对比Fujii、GD和SAM算法的性能。图1显示，SAM在N=25和N=50帧条件下均呈现更优的对比度。图2b-f定量分析表明，SAM的σ/μ比值随帧数变化最小，说明其输出稳定性更高。

真实种子数据处理

图3展示玉米和大豆种子的处理结果：SAM能清晰区分胚根与胚乳，且噪声抑制能力最佳。图4、图5为花生和木豆样本的成像效果，SAM图谱中活性和非活性种子强度差异显著，而GD方法区分度较低（图4c、图5c）。表1、表2的BA值进一步证实，SAM的归一化活性差值最大（花生ND=0.263，木豆ND=0.144），更利于活力判别。

发芽测试验证

图4b、图5b显示，经48小时发芽后，活性种子均出现胚根，非活性种子无变化，与SAM预测一致。统计检验表明，GD方法虽信噪比（SNR）略高（1.16 vs 0.77），但SAM提供更高的平均信号强度，归一化对比度更优。

讨论与结论

本研究开发的AgriSPEC系统及SAM算法，为种子活力检测提供了低成本、高通量且易于田间应用的解决方案。该系统利用智能手机的便携性与普及性，克服了传统散斑成像设备昂贵、操作复杂的局限；SAM算法通过引入RGB掩膜和阈值优化，实现了更优的对比度与噪声抑制能力，支持多样本同步分析。研究证实，该技术可准确区分种子活力，与标准发芽测试结果高度一致，对优化种子筛选、提高作物产量及促进农业可持续发展具有重要意义。

未来工作可将SAM算法移植至智能手机平台，进一步提升实时处理能力；同时扩展作物种类验证，推动该技术在精准农业中的广泛应用。

---

改写说明：

• •

  标题突出技术优势与应用价值：将原标题转化为更突出技术创新和实际应用的中文标题，强调设备便携性、检测能力和对农业可持续发展的贡献。

• •

  结构重组与内容精炼：将原文内容按背景、问题、方法、结果、结论顺序系统梳理，去除冗余和操作细节，强化逻辑连贯和表述简练。

• •

  术语与细节规范表达：专业术语首次出现时用中文和括号加注英文及缩写，严格依据原文呈现数据、图表结论和技术参数，杜绝任何虚构或夸大。

如您有其他风格或用途（如科普、学术等）的改写需求，我可以进一步调整表达方式。