Afin de réaliser une détection rapide du taux de germination des graines de soja, cette étude a collecté 350 échantillons de graines de soja provenant de 16 espèces différentes. Parmi eux, 14 variétés ont obtenu des échantillons avec 8 gradients d'activité différents par vieillissement artificiel, tandis que les 2 variétés restantes ont été vieillies naturellement. Après la collecte des données spectrales, des essais de germination ont été réalisés pour obtenir les données de taux de germination. La validation croisée Monte Carlo (MCCV) combinée à la régression par moindres carrés partiels (PLSR) a été utilisée pour éliminer les échantillons aberrants. La méthode de lissage par convolution de Savitzky-Golay combinée à la transformation des variables normales standard (SG+SNV) a été choisie pour le prétraitement des données spectrales, suivie de la sélection des longueurs d'onde caractéristiques à l'aide de la méthode d'élimination des variables non informatives (UVE). Le modèle de régression de processus gaussien parcimonieux (SGPR) a été étendu aux scénarios avec petits échantillons et haute dimensionnalité, et l'influence de différents noyaux sur la performance du modèle a été comparée. Pour vérifier la supériorité du modèle SGPR, trois modèles de référence ont été établis : régression par processus gaussien (GPR), régression par vecteurs de support (SVR) et PLSR. Les résultats montrent que le modèle SGPR-Matern32 optimisé présente d'excellentes performances prédictives sur l'ensemble d'entraînement (R²=0.9737, RMSE=0.0454), l'ensemble de validation (R²=0.9498, RMSE=0.0650) et l'ensemble de test (R²=0.9636, RMSE=0.0694), avec une efficacité de modélisation nettement améliorée par rapport au GPR traditionnel. L'étude confirme que la technique spectroscopique proche infrarouge combinée au modèle SGPR-Matern32 peut améliorer considérablement l'efficacité et la précision de la détection du taux de germination des graines de soja, fournissant un moyen technique fiable pour une détection non destructive de la vitalité des graines de soja.

Graines de soja; spectroscopie proche infrarouge; régression par processus gaussien parcimonieux; taux de germination