一种基于高光谱技术小麦种子生活力无损检测的方法

本发明公开了一种基于近红外高光谱成像技术的小麦种子生活力无损检测方法及系统。该方法通过采集小麦种子的近红外高光谱图像数据（波长范围为936‑1720 nm），经过标准化预处理后，利用构建的种子光谱转换器（SST）深度学习模型进行生活力预测。SST模型结合了卷积神经网络（CNN）和自注意力机制，能够有效提取光谱数据的局部和全局特征，并通过残差连接和层归一化增强模型的训练稳定性和泛化能力。通过散点图和箱线图优化模型超参数，采用网格搜索法或贝叶斯优化法确定最优配置，确保模型的准确性和稳定性。此外，本发明通过循环交叉验证方法评估模型对未知品种的检测准确性，最终准确率达到85.53%以上。实验结果表明，本发明能够在几秒钟内完成检测，且不破坏种子的物理结构，适用于多种小麦品种的生活力无损检测，满足现代种子产业对快速、无损、高通量检测的需求。