Um eine schnelle Bestimmung der Keimrate von Sojabohnen zu erreichen, sammelte diese Studie 350 Sojabohnensamenproben aus 16 verschiedenen Sorten. Davon wurden bei 14 Sorten durch künstliche Alterung Proben mit 8 unterschiedlichen Aktivitätsgraden gewonnen, während die verbleibenden 2 Sorten natürliche Alterungsproben waren. Nach der Erfassung der Spektraldaten wurden Keimtests durchgeführt, um die Keimrate zu ermitteln. Die Monte-Carlo-Kreuzvalidierung (MCCV) in Kombination mit der partiellen Kleinste-Quadrate-Regression (PLSR) wurde zur Eliminierung von Ausreißerproben verwendet. Die Savitzky-Golay Faltungsglättung kombiniert mit der Standardnormalvariablen-Transformation (SG+SNV) wurde zur Vorverarbeitung der Spektraldaten ausgewählt, gefolgt von der Merkmalswellenlängenauswahl mittels der Methode der eliminierenden nicht-informativen Variablen (UVE). Das Verfahren der spärlichen gaußschen Prozessregression (SGPR) wurde auf Szenarien mit kleinen, hochdimensionalen Stichproben erweitert, wobei der Einfluss verschiedener Kernfunktionen auf die Modellleistung verglichen wurde. Zur Überprüfung der Überlegenheit des SGPR-Modells wurden drei Vergleichsmodelle aufgebaut: Gaußsche Prozessregression (GPR), Support Vector Regression (SVR) und PLSR. Die Ergebnisse zeigten, dass das optimierte SGPR-Matern32-Modell eine ausgezeichnete Vorhersageleistung im Trainingssatz (R²=0.9737, RMSE=0.0454), Validierungssatz (R²=0.9498, RMSE=0.0650) und Testsatz (R²=0.9636, RMSE=0.0694) erreichte, bei gleichzeitig deutlich höherer Modellierungseffizienz im Vergleich zur herkömmlichen GPR. Die Studie bestätigt, dass die Nahinfrarotspektroskopietechnik in Kombination mit dem SGPR-Matern32-Modell die Effizienz und Genauigkeit der Keimratenbestimmung von Sojabohnensamen erheblich verbessern kann und eine zuverlässige technische Methode für die zerstörungsfreie Vitalitätsprüfung von Sojabohnensamen bietet.

Sojabohnensamen; Nahinfrarotspektroskopie; spärliche gaußsche Prozessregression; Keimrate