大豆種子の発芽率を迅速に検出するために、本研究では16種類、合計350個の大豆種子サンプルを収集した。そのうち14品種は人工老化法により8つの異なる活性勾配のサンプルを取得し、残りの2品種は自然老化のサンプルである。スペクトルデータを収集後、発芽試験を行い発芽率データを取得した。モンテカルロ交差検証法（MCCV）と部分最小二乗回帰（PLSR）を組み合わせて異常サンプルを除去し、Savitzky-Golay畳み込み平滑化と標準正規変数変換（SG+SNV）を用いてスペクトルデータを前処理した。その後、無情報変数除去法（UVE）により特徴波長を選択した。スパースガウス過程回帰（SGPR）法を小規模かつ高次元のサンプルデータへの適用に拡張し、異なるカーネル関数がモデル性能に与える影響を比較した。SGPRモデルの優位性を検証するために、ガウス過程回帰（GPR）、サポートベクター回帰（SVR）、PLSRの3つの対照モデルも構築した。結果は、最適化されたSGPR-Matern32モデルが訓練データ（R²=0.9737、RMSE=0.0454）、検証データ（R²=0.9498、RMSE=0.0650）、テストデータ（R²=0.9636、RMSE=0.0694）において優れた予測性能を示し、従来のGPRと比較してモデリング効率も大幅に向上したことを示した。本研究は、近赤外分光技術とSGPR-Matern32モデリング手法の組み合わせが大豆種子の発芽率検出の効率と精度を大幅に向上させ、大豆種子の非破壊的活力検査に信頼できる技術手段を提供することを実証した。

大豆種子;近赤外分光;スパースガウス過程回帰;発芽率