基于静态RGB图像的玉米种子活力早期筛选：一种采用Focal Loss和自动超参数调优的深度学习方法

《Smart Agricultural Technology》：Early-stage screening of maize seed vigor from static RGB images: A deep learning approach with Focal Loss and automated hyperparameter tuning

　　

种子活力（Seed vigor）是种子质量与发芽潜力的关键指标，其早期预测对于培育优质种子和提高玉米产量具有重要意义。在各种成像模态中，RGB成像因其简便性和低成本而受到广泛关注。然而，由于外部视觉特征与内部生理状态之间的相关性较弱，从单个萌发前RGB图像预测种子活力仍然是一个重大挑战。为解决这一问题，研究人员提出了SeedFocusNet，一种集成浅层特征提取模块与基于Focal Loss的分类骨干网络的深度学习模型，旨在增强对难以区分的高活力种子的识别。超参数通过Optuna框架结合贝叶斯优化（Bayesian optimization）在验证集上自动优化。在比较多个骨干网络后，ResNet50被选为最优架构。在验证集上最大化S（评分函数）的操作点下，该模型在测试集上对高活力种子识别的精确率（precision）达到74.39%，召回率（recall）达到54.46%。温室出苗实验进一步验证了SeedFocusNet筛选出的种子在同一品种内不同储藏时长下均表现出更高的出苗率。这些结果表明，基于RGB图像的深度学习方法在受控实验室条件下具有种子活力筛选的应用潜力，为未来扩展到实际种植场景提供了基础。

论文解读文章

研究背景、问题与目的

种子活力是种子科学中的基本指标，反映种子快速、均匀发芽并产生健壮幼苗的潜力，与产量潜力和籽粒品质密切相关。传统活力检测方法如四唑染色（tetrazolium staining）具有破坏性，且需要3-7天的高强度人工操作，成为大规模播前筛选的关键瓶颈。虽然X射线计算机断层扫描（CT）和高光谱成像等非破坏性方法可实现高精度活力分类（>95%），但这些技术通常需要专用仪器和实验装置，限制了其在常规或高通量应用中的实用性。相比之下，RGB成像具有易获取、成本低的优势，然而种子活力是内部生理性状，RGB图像捕捉的外部视觉特征（如颜色、表面纹理或形状的细微变化）与内部活力相关性较弱，导致基于RGB特征的预测仍具挑战性。现有研究显示，卷积神经网络（CNN）和视觉变换器（ViT）在此任务上结果均不可靠。因此，本研究从实际应用角度重新定义目标：不追求高总体分类准确率，而是聚焦于可靠识别高活力种子，并通过自定义评分函数平衡精确率与召回率，以实现实用筛选场景下的合理权衡。

本研究旨在探索使用RGB图像进行玉米种子活力分级的潜力。具体目标包括：（1）构建带有活力标签的萌发前玉米种子图像数据集；（2）开发并优化用于高活力种子识别的深度学习模型，通过自动超参数调优；（3）系统评估和比较不同骨干架构的活力分类性能；（4）通过温室出苗试验验证模型预测效果。

主要关键技术方法

研究人员从湖南省种质资源库（Hunan Provincial Germplasm Bank of Crop Resources）获取了955粒在4°C下储藏3年的玉米种子（Zea mays L.）。关键方法包括：（1）图像预处理：将RGB图像转换至HSV色彩空间，仅对亮度通道进行直方图均衡化，再通过Otsu阈值分割、形态学开运算和最大连通分量提取，获得无背景的种子图像；（2）感兴趣区域（ROI）提取：利用凸包和旋转卡壳算法定位种脐端和合点端，通过阈值分割检测种脐区域，并生成种子损伤程度特征图，最终将原始图像与四个ROI（各224×224像素）沿通道维度拼接为15通道表示；（3）浅层特征融合网络：设计两层卷积网络（3×3核和1×1核）将15通道压缩为3通道特征图，增强特征表达；（4）分类骨干网络：采用ResNet50，结合Focal Loss（FL）函数，并通过Optuna框架结合贝叶斯优化自动调优超参数（α_t、γ和学习率lr），以自定义评分函数S（S=TP×(Precision-p_h)^β）指导优化方向，平衡精确率与预测数量。

研究结果

3.1 种子发芽分析
通过标准发芽实验，955粒种子中530粒（55.5%）被划分为高活力种子，425粒（44.5%）为低活力种子。发芽过程中，高活力种子在第3天平均重量（0.83 g）显著高于低活力种子（0.69 g），重量增长率（SE）在两组间分布差异明显。而静态数据（初始重量和掩膜面积）在活力组间高度重叠，基于12种形态特征和初始权重的分类（逻辑回归61.2%、随机森林58.6%、XGBoost 51.3%）准确率低，表明这些特征不可靠。

3.2 SeedFocusNet性能
3.2.1 超参数调优
手动网格扫描发现，当Focal Loss的调节因子γ=2.5、α_t=0.5时精确率最高（74.32%），α_t过高（0.9）导致精确率下降。Optuna自动调优在α_t 0.62–0.74、γ 1.5–2.6、lr 0.0001–0.001范围内搜索，实现了精确率与预测数量的平衡。

3.2.2 分类骨干网络基准测试
在500次Optuna优化后，ResNet50在评分函数S=6.362时表现最佳，测试集精确率74.4%、召回率54.5%、TP=61。InceptionV3精确率最高（84.2%），但召回率低（28.6%）；ResNet18召回率最高（67.0%），但精确率较低（71.4%）。ResNet50在精确率和召回率间取得最佳平衡。

3.2.3 消融研究与基线比较
去掉ROI和浅层融合模块后，精确率降至72.97%，召回率降至48.21%；仅去掉浅层网络时召回率降至47.32%；仅去掉ROI时精确率降至71.08%。与优化后的交叉熵基线（精确率67.53%，召回率46.43%）相比，SeedFocusNet在精确率上相对提升10.2%，召回率提升17.3%。

3.2.4 温室出苗验证
对同一品种不同储藏时长（1年、2年、3年）的种子，SeedFocusNet筛选组出苗率分别达78.0%、76.0%、68.0%，而对照组分别为60.0%、54.0%、48.0%，绝对提升幅度为18.0–22.0个百分点，表明模型能有效识别具有更高出苗潜力的种子。

讨论与结论

本研究的局限性包括：数据集仅包含单一品种和单一老化历史，模型泛化性需验证；所有图像在受控实验室条件下采集，未评估现场环境下的鲁棒性；性能指标基于单次数据划分，未通过交叉验证量化稳定性；未系统研究模型学习的视觉特征。未来工作应通过多品种数据集收集、批次间验证、重复数据划分、外部测试和可解释性分析来解决这些限制。

研究结论：本研究利用RGB图像预测冷储老化玉米种子活力。为满足实际筛选需求，研究人员将目标重新定义为最大化高活力种子的准确识别，开发了SeedFocusNet深度学习框架，集成浅层特征提取网络与深度分类骨干，结合Focal Loss和Optuna贝叶斯优化，以自定义评分函数平衡精确率与召回率。在验证集最大化S的操作点下，模型对高活力种子识别的精确率为74.4%，召回率为54.5%。温室出苗验证显示，筛选种子在不同储藏时长下出苗率绝对提升18.0–22.0个百分点。当优先考虑精确率时，模型可达到85.3%精确率（召回率25.9%），显示出对误报容忍度不同场景的灵活性。本研究结果表明，基于RGB的深度学习结合自动超参数调优，可为受控实验室条件下的种子活力筛选提供低成本、易获取的选项，并为后续田间验证奠定基础。