Para alcançar a detecção rápida da taxa de germinação de sementes de soja, este estudo coletou 350 amostras de sementes de soja de 16 espécies diferentes. Dentre elas, 14 variedades obtiveram amostras com 8 diferentes gradientes de atividade por método de envelhecimento artificial, enquanto as outras 2 variedades foram envelhecidas naturalmente. Após a coleta dos dados espectrais, foram realizados testes de germinação para obter os dados de taxa de germinação. Foi utilizado o método de validação cruzada de Monte Carlo (MCCV) combinado com regressão por mínimos quadrados parciais (PLSR) para eliminar amostras anômalas, selecionando o método de suavização por convolução de Savitzky-Golay combinado com transformação de variáveis normais padrão (SG+SNV) para o pré-processamento dos dados espectrais. Em seguida, foi feita a seleção dos comprimentos de onda característicos com o método de eliminação de variáveis não informativas (UVE). A aplicação do método de regressão por processo gaussiano esparso (SGPR) foi expandida para cenários de dados com pequenas amostras e alta dimensionalidade, comparando também o efeito de diferentes funções de núcleo no desempenho do modelo. Para verificar a superioridade do modelo SGPR, foram estabelecidos modelos de controle com regressão por processo gaussiano (GPR), regressão por vetores de suporte (SVR) e PLSR. Os resultados mostram que o modelo otimizado SGPR-Matern32 apresentou melhor desempenho preditivo no conjunto de treinamento (R²=0.9737, RMSE=0.0454), conjunto de validação (R²=0.9498, RMSE=0.0650) e conjunto de teste (R²=0.9636, RMSE=0.0694), além de uma melhora significativa na eficiência da modelagem em comparação com o GPR tradicional. O estudo confirmou que a tecnologia de espectroscopia de infravermelho próximo combinada com o método de modelagem SGPR-Matern32 pode melhorar significativamente a eficiência e precisão da detecção da taxa de germinação das sementes de soja, fornecendo um meio técnico confiável para a detecção não destrutiva da vitalidade das sementes de soja.

Sementes de soja; espectroscopia de infravermelho próximo; regressão por processo gaussiano esparso; taxa de germinação