【摘要】为探索快速、高效检测甜玉米种子生活力的方法,利用机器视觉技术(Seed Identification)批量快速提取金菲甜玉米种子的Red(红基色)、Green(绿基色)、Blue(蓝基色)、Hues(色相)、Saturation(饱和度)、Brightness(亮度)、Light(明度)、a(红色至绿色的范围)、b(蓝色至黄色的范围)、灰度、宽度、长度和投影面积等物理特征参数,通过单粒发芽试验确定每粒种子的生活力,然后采用人工神经网络和二元逻辑回归结合主成分分析进行建模。结果表明:1)a值、b值、Saturation和投影面积与种子的活力均存在极显著或显著相关,且变异系数相对较大,其中当a≤3时,发芽率可从72.7%提升至77.6%,获选率达到79.4%;投影面积≤77.31mm2时,发芽率可提升至73.7%,获选率87.6%;2)用13个物理指标标准化后直接进行人工神经网络建模,双隐藏层(训练集∶测试集=6∶4)建模,模型整体预测正确率为74.2%,优质种子获选率达到93.8%,发芽率可提升至76.9%;3)经二元逻辑回归模型预测发芽率为74.5%,但神经网络模型稳定性优于二元逻辑回归建模。