基于MicroCT的花生种子形态表型分析及重量预测模型构建

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：王剑;卢宪菊

单位：1.北京市数字农业农村促进中心，北京 101117； 2.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，北京100097

摘要：为探究不同花生品种的种子形态结构多样性，明确花生种子结构特征与重量和品质的关系，并构建种子重量预测模型，以65个花生品种为材料，利用Micro-CT技术扫描测试样本，通过CT图像的处理解析，获取花生种子的长度、宽度、厚度、体积、子叶体积、子叶表面积、空腔体积特征，人工称重测定单粒重量指标，核磁共振法测定粗脂肪含量，系统分析了种子形态特征及其与重量和粗脂肪含量的相关关系，并对不同品种进行聚类分析，通过对多项表型指标进行主成分分析，确定主要贡献指标，最终基于机器学习算法构建了重量预测模型。结果表明，65个花生品种的种子形态结构及重量发生了广泛的表型变异，粗脂肪含量变异系数最低，指标最稳定，种子形态特征与种子重量显著相关，但与粗脂肪含量相关性较低；利用偏最小二乘回归、随机森林模型和支持向量机模型构建的重量预测模型均达到较好效果，其中随机森林模型效果最好，训练集和测试集的r2分别达到0.989和0.950，RMSE分别达到0.026和0053，但构建的粗脂肪含量预测模型效果较差。本研究结果表明，Micro-CT技术能够为花生种子形态表型分析提供新的技术和方法，并进一步为花生品种的分类与评价等工作提供技术支持。

关键词：Micro-CT;花生种子;结构表型;模型构建;机器学习