种子可以长时间存储，但最终会失去萌发潜力。不同种子存储潜力差异巨大，与其活力相关。Datacolletor用来进行存储中的活力和活性研究。

科学家致力于将新鲜种子的光谱特征与存储一段时间后的种子品质进行关联，，从而预测单个种子的存储特性。该信息用于设计方法来对种子以均一种子活力和储存性来分类。最终的目标是预测种子存储潜力，优化其利用。这会议最低损失最大效率利用种子生产批次。

盘种子的光谱特征

科学家以无损方式独自测量单个种子的品质，研究利用了iXeed DataCollector高通量种子表型和播种一体化系统的多种传感器组合，如X光，叶绿素荧光，NIR近红外等等，Datacollector还可集成高光谱、花青素、绿色荧光蛋白成像等各个模块。卷心菜种子作为研究模型。经过分析后，种子单独存储相当长一段时间，最后对老化种子进行研究，其新鲜状态的性质已经弄清楚。老化的种子进行发芽，并用3D表型设施进行测量。最后，应用了人工智能来寻找预测种子活力最具预测潜力的特征。

当然，老化种子在早期需要人工智能方法。基于此目的，科学家在氧升压条件下人工将新鲜种子老化。

目前为止，人工智能方法给出了良好的结果，做出了可靠的预测。之后将进行自然老化实验。科学家后续还将进行利用挥发有机物以及拉曼光谱来研究种子老化品质。