多光譜成像（MSI）已成為種子鑒定中一種新的快速無損檢測方法。以往的研究通常集中于MSI數據分析中的單一模型，該模型總是采用所有特征，并增加了效率風險和系統成本風險。在本研究中，我們開發了一個堆疊集成學習（SEL）模型，用于成功識別鐮刀苜蓿（Medicago falcata）、雜交苜蓿和紫花苜蓿的單個種子。SEL采用三層結構，即0級，以主成分分析（PCA）、線性判別分析（LDA）和二次判別分析（QDA）作為降維和特征提�。―RFE）模型；1級，支持向量機（SVM）、多元邏輯回歸（MLR）、具有彈性網正則化的廣義線性模型（GLMNET）和極限梯度增強（XGBoost）作為基礎學習級；三級，XGBoost作為元學習者。研究確認，基于光譜特征以及形態學和光譜特征的組合，SEL模型的總體準確度、kappa、精密度、敏感性、特異性和敏感性值均顯著高于單獨的基本模型。此外，我們還開發了特征過濾過程，并成功地從33個特征中選擇了5個最佳特征，這些特征對應于種子中葉綠素、花青素、脂肪和水分的含量。在MSI數據分析中的SEL模型為種子識別提供了一種新的方法，并且特征濾波過程可能廣泛用于低成本和窄通道傳感器的開發。 

關鍵詞：鐮刀苜蓿、雜交苜蓿和紫花苜蓿、種子識別、疊加集成學習、多光譜成像
 

Videometer Lab4多光譜種子表型成像系統是丹麥理工大學與丹麥Videometer公司開發，是用于種子研究先進的多光譜表型成像設備，典型客戶為ISTA國際種子檢驗協會、ESTA歐洲種子檢驗協會、John Innes Centre、LGC化學家集團、奧胡斯大學等等，利用該系統發表的文章已經超過300篇。
 

Videometer種子表型表型成像系統可測量種子如尺寸、顏色、形狀等，間接測定種子參數如種子純度、發芽百分比、發芽率、種子健康度、種子成熟度、中壽命等。種子活力綜合種子活力是種子發芽和出苗率、幼苗生長的潛勢、植株抗逆能力和生產潛力的總和（發芽和出苗期間的活性水平與行為），是種子品質的重要指標，具體包括吸漲后旺盛的代謝強度、出苗能力、抗逆性、發芽速度及同步性、幼苗發育與產量潛力。種子活力是植物的重要表型特征，傳統檢測方法包括低溫測試、高溫加速衰老測試、幼苗生長測定等。
 

該系統也可以對細菌、蟲卵、真菌等進行高通量成像測量，進行病理學、毒理學或其它研究。對于擬南芥等冠層平展的植物，可以進行自動的葉片計數等。