品種真實性和純度是影響產量的玉米種子品質的重要指標。然而，品種真實性的檢測方法耗時、昂貴、需要大量培訓或在此過程中破壞種子。在這里，我們提出了一種準確、高通量、低成本和無損的篩選品種真實性的方法，該方法使用種子表型數據和機器學習來區分遺傳和表型相似的種子品種。具體來說，我們獲得了京科968和其他9個近緣品種（非京科968）的種子形態和高光譜反射率圖像數據。然后，我們根據表型成像數據比較了三種常見機器學習算法在區分這些品種方面的穩健性。

品種真偽檢測結果可視化。利用Tu等人[3]基于RGB圖像的模型和VGG16網絡對目標品種京科968的9個遺傳和表型相似的玉米品種(非京科968)進行了測試。。 紫色表示檢測結果為非晶科968。藍色表示檢測結果為晶科968

我們的研究結果表明，高光譜成像 (HSI) 結合多層感知器 (MLP) 或支持向量機 (SVM) 模型可以將京科 968 與僅相差兩個位點的品種區分開來，準確率達到 99% 或更高，而機器視覺成像長度準確率達到90%以上。 通過對未包含在訓練數據中的品種進行模型驗證和更新，我們為京科 968 開發了一個真實性檢測模型，可有效區分遺傳相似和相距較遠的品種。

不同品種玉米種子的胚芽和非胚芽表面。 最上面一行代表玉米品種京科 968 的 9 個種子批次。 底行代表非京科 968類別的其他9個非目標品種，與京科968品種遺傳相似

該策略具有廣泛應用于內部質量控制或政府監管機構的大規模品種真實性檢測操作或加速新品種育種的潛力。此外，它可以很容易地擴展到其他目標品種和其他作物。