品种真实性和纯度是影响产量的玉米种子品质的重要指标。然而，品种真实性的检测方法耗时、昂贵、需要大量培训或在此过程中破坏种子。在这里，我们提出了一种准确、高通量、低成本和无损的筛选品种真实性的方法，该方法使用种子表型数据和机器学习来区分遗传和表型相似的种子品种。具体来说，我们获得了京科968和其他9个近缘品种（非京科968）的种子形态和高光谱反射率图像数据。然后，我们根据表型成像数据比较了三种常见机器学习算法在区分这些品种方面的稳健性。

品种真伪检测结果可视化。利用Tu等人[3]基于RGB图像的模型和VGG16网络对目标品种京科968的9个遗传和表型相似的玉米品种(非京科968)进行了测试。。 紫色表示检测结果为非晶科968。蓝色表示检测结果为晶科968

我们的研究结果表明，高光谱成像 (HSI) 结合多层感知器 (MLP) 或支持向量机 (SVM) 模型可以将京科 968 与仅相差两个位点的品种区分开来，准确率达到 99% 或更高，而机器视觉成像长度准确率达到90%以上。 通过对未包含在训练数据中的品种进行模型验证和更新，我们为京科 968 开发了一个真实性检测模型，可有效区分遗传相似和相距较远的品种。

不同品种玉米种子的胚芽和非胚芽表面。 最上面一行代表玉米品种京科 968 的 9 个种子批次。 底行代表非京科 968类别的其他9个非目标品种，与京科968品种遗传相似

该策略具有广泛应用于内部质量控制或政府监管机构的大规模品种真实性检测操作或加速新品种育种的潜力。此外，它可以很容易地扩展到其他目标品种和其他作物。