2021年10月，科学家发表了一篇关于光谱成像和人工智能揭示大豆发芽潜力和种子活力文章。该技术使大豆分析的时间从一周缩短到几秒钟，从而降低了人工成本

USP Nuclear Energy Center中心的一个农业研发研究项目中所开发的技术可以将大豆种子分析的时间从一周缩短到几秒钟。用特定类型的光照射种子，产生图像，并将这些图像通过人工智能算法进行分析。开发的算法能够在不破坏被测样本的情况下对种子的发芽势和活力进行分类。

该项目的最初目标将该技术应用于商业上批量大豆种子质量控制程序的开发，降低测试所需的劳动力成本。在自然杂志综述文章上提出了将自体荧光光谱成像作为一种快速、无损和可靠评估大豆品质的创新方法。

种子放置在一个配有不同波长LED的设备中，照射样品。在种子中，有些物质可通过LED产生的可见光或紫外光激发，并在短时间内发出更长波长的光，这被称为自发荧光。种子发出的发射光由设备传感器捕捉并将其转换成图像，并通过人工智能算法对图像进行分析，人工智能算法根据种子的活力（即种子在有利和不利条件下产生正常幼苗的能力）对种子进行分类。”

考虑到种子中存在的各种自荧光成分以及其它成份，例如叶绿素和木质素等，特定波长光用以激发这些成分。研究中使用的设备称为VideometerLab多光谱成像系统（VML），能够分析种子的物理、化学、遗传、生理和卫生特性，并实现无损、完整检测。该设备是在资助下从丹麦进口的。

在几秒钟内，该技术就可以估计种子在有利条件下发芽或承受田间胁迫的能力，还可以提供有关植物初始光合性能的信息。值得注意的是，除了降低劳动力成本外，该方法可以缩短分析种子的时间到数秒。

大豆种子自荧光图像与发芽性能的比较；在这项研究中，具有蓝色荧光（最强）的种子显示出更高的生理潜力，可以培育出年轻健康的植物。

据研究人员称，传统采用的质量测试既耗时又昂贵。有报告称：“农业、畜牧和供应部要求销售种子的公司进行发芽试验，要求样品在实验室中生长，并在至少八天内提供结果。”。“种子在高温和低温等胁迫条件下萌发，持续4至8天。在这两种类型的试验中，需要销毁样品，还需要经验丰富的分析员在场解释结果。因此，该项目开发了一种快速方法，基于光谱自发荧光图像并结合人工智能算法，成功用于大豆种子质量分析。”

生理潜能

该方法在具有不同活力水平的种子组中进行了测试。研究人员发现具有较强蓝色荧光的成分的种子具有更大的生理潜力。结果与传统的大豆种子分析方法进行了比较，并显示出更高的检测灵敏度。基于不同人工智能算法的机器学习模型显示，种子活力分类的准确率为99%。