agroengineeringАгроинженерияAgricultural Engineering (Moscow)2687-11492687-1130РГАУ-МСХА10.26897/2687-1149-2026-1-87-96agroengineering-1195Research ArticleЭЛЕКТРИФИКАЦИЯ И АВТОМАТИЗАЦИЯ СЕЛЬСКОГО ХОЗЯЙСТВАPOWER SUPPLY AND AUTOMATION OF AGRICULTURAL PRODUCTIONИдентификация сортов семян сои спектральным люминесцентным методомIdentification of soybean seed varieties by spectral luminescence methodhttps://orcid.org/0000-0002-4371-8042БеляковМ. В.BelyakovM. V.

Беляков Михаил Владимирович, д-р техн. наук,главный научный сотрудник

109428,  г. Москва, 1-й Институтский проезд, 5

Mikhail V. Belyakov, DSc (Eng), Chief Research Engineer

109428, Moscow, 1st Institutskiy Proezd Str., 5

bmw20100@mail.ruФедеральный научный агроинженерный центр ВИМРоссияFederal Scientific Agroengineering Center VIMRussian Federation2026150220262818796Copyright © Беляков М.В., 20262026Беляков М.В.Belyakov M.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://agroengineering.timacad.ru/jour/article/view/1195

Оптические спектральные фотолюминесцентные методы диагностики, отличающиеся быстродействием и низкой стоимостью реализации, могут стать альтернативой имеющимся методам сортовой идентификации семян. Исследования проведены с целью разработки методики идентификации сортов семян сои спектральным люминесцентным методом. На дифракционном спектрофлуориметрическом комплексе измеряли спектральные характеристики возбуждения люминесценции семян сои 6 сортов: очень ранней спелости Пума и Саяна, ранней спелости Грея и Селена, среднеспелых Вилана и Вилана бета. По полученным зависимостям рассчитали интегральные и статистические параметры: интегральную поглощательную способность, математическое ожидание, дисперсию, асимметрию и эксцесс. Характеристики возбуждения фотолюминесценции семян сои расположены в области 330…475 нм с основными максимумами на 392 и 420 нм. Для разложения на гауссианы спектры переведены в частотную область и выполнено обратное преобразование Фурье. В результате исследований в качестве параметра идентификации сортов семян выбрана интегральная поглощательная способность в диапазоне 350…396 нм. Наиболее эффективным статистическим параметром признана асимметрия, позволяющая однозначно идентифицировать 3 сорта семян сои. Параметры гауссиан разложения: дисперсия, асимметрия и частотное математическое ожидание – могут применяться для однозначной идентификации всех исследованных сортов. Методика идентификации сортов семян сои включает в себя пробоподготовку образцов, облучение в диапазоне 330…475 нм и регистрацию приемником излучения фотолюминесцентных сигналов для получения зависимости U(λ), из которой рассчитываются параметры сортовой идентификации семян: амплитуда и дисперсия гауссиан, частотное математическое ожидание, интегральная поглощательная способность и асимметрия. Для реализации разработанной методики используются узкоспектральные светодиоды и широкоспектральный фотодиод. Характеристики фотосигналов U(λ) позволяют установить сортовую принадлежность семян. Полученные результаты могут быть использованы для создания портативного быстродействующего устройства контроля сорта в лабораторных и полевых условиях.

Optical spectral photoluminescent diagnostic methods, characterized by high speed and low implementation costs, can serve as an alternative to existing methods of varietal seed identification. The study aims to develop a methodology for identifying soybean seed varieties using a spectral luminescence method. The author used a diffraction spectrofluorimetric complex to measure the spectral excitation characteristics of photoluminescence in six soybean varieties: ultra-early maturing (Puma and Sayana), early maturing (Greya and Selena), and mid-maturing (Vilana and Vilana beta). Based on the obtained dependencies, he calculated integral and statistical parameters: integral absorptive capacity, mathematical expectation, variance, skewness, and kurtosis. The photoluminescence excitation characteristics of soybean seeds were found in the range between 330 and 475 nm, with primary peaks at 392 and 420 nm. For Gaussian decomposition, the spectra were converted to the frequency domain using the inverse Fourier transform. Based the research findings, the author selected the integral absorptive capacity in the range between 350 and 396 nm as the variety identification parameter. Skewness was recognized as the most effective statistical parameter for the unambiguous identification of three soybean varieties. Gaussian decomposition parameters – variance, skewness, and frequency-domain mathematical expectation – can be applied for the unique identification of all studied varieties. The methodology for identifying soybean seed varieties includes sample preparation, irradiation in the range between 330 and 475 nm, and registration of photoluminescent signals by a radiation receiver to obtain the U(λ) dependency and, based on it, calculate the varietal identification parameters: Gaussian amplitude and variance, frequency-domain mathematical expectation, integral absorptive capacity, and skewness. Narrow-spectrum LEDs and a broad-spectrum photodiode are used to implement the developed methodology. The characteristics of the U(λ) photo-signals help determine the varietal affiliation of the seeds. The results obtained can be used to develop a portable, high-speed variety control device for both laboratory and field conditions.

идентификация сортов семянсоясорта семян соифотолюминесцентные методы диагностикифотосигналфотодиодспектральные характеристики возбуждениягауссианыseed variety identificationsoybeansoybean seed varietiesphotoluminescent diagnostic methodsphoto-signalphotodiodespectral excitation characteristicsGaussiansРабота выполнена в ФГБНУ ФНАЦ ВИМ в рамках госзадания FGUN-2025-0007.The work was carried out at the Federal Scientific Agroengineering Center VIM within the framework of State assignment No. FGUN-2025-0007.ReferencesВекленко В.И., Дадашев Б.А. Производство соевого масла в мире и России // Вестник Курской государственной сельскохозяйственной академии. 2024. № 2. С. 192-197. EDN: VVCZTDVeklenko V.I., Dadashev B.A. Soybean oil production in the world and Russia. Vestnik Kurskoy gosudarstvennoy selskokhozyaystvennoy akademii. 2024;2:192-197. (In Russ.)Li M., Zhao M., Shi J. et al. Discovery and verification of soybean sprouting selection based on quality across various origins and varieties: Varietal effects on sprouted soybean quality. Food Science & Nutrition. 2025;13:e70016. https://doi.org/10.1002/fsn3.70016Li M., Zhao M., Shi J., Huang Y., Li L., Jin N., Kong Z., Simal-Gandara J., Wang F., Fan B., Xie H. Discovery and Verification of Soybean Sprouting Selection Based on Quality Across Various Origins and Varieties: Varietal Effects on Sprouted Soybean Quality. Food Science & Nutrition. 2025;13:e70016. https://doi.org/10.1002/fsn3.70016.Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т. 15, № 4. С. 6-10. https://doi.org/10.22314/2073-7599-2021-15-4-6-10Lobachevskiy Ya.P., Dorokhov A.S. Digital technologies and robotic devices in the agriculture. Agricultural Machinery and Technologies. 2021;15(4):6-10. (In Russ.) https://doi.org/10.22314/2073-7599-2021-15-4-6-10Рамазанова С.А., Савиченко В.Г., Устарханова Э.Г. и др. Поиск новых SSR-локусов ДНК для создания эффективной технологии генотипирования сои // Масличные культуры. 2021. № 4 (188). С. 18-24. https://doi.org/10.25230/2412-608X-2021-4-188-18-24Ramazanova S.A., Savichenko V.G., Ustarkhanova E.G. et al. Search of the new SSR-loci of DNA for development of effective technology for soybean genotyping. Oil crops. 2021;4(188):18-24. (In Russ.) https://doi.org/10.25230/2412-608X-2021-4-188-18-24Ториков В.Е., Шпилев Н.С., Клименков Ф.И. Использование электрофоретических методов для идентификации сортов зерновых культур // Вестник Алтайского государственного аграрного университета. 2019. № 2 (172). С. 5-12. EDN: AJATOZTorikov V.E., Shpilev N.S., Klimenkov F.I. Electrophoretic techniques for crops variety identification. Vestnik Altayskogo gosudarstvennogo agrarnogo universiteta. 2019;2(172):5-12. (In Russ.)Смоликова Г.Н., Шаварда А.Л., Алексейчук И.В. и др. Mетаболомный подход к оценке сортовой специфичности семян Brassica napus L. // Вавиловский журнал генетики и селекции. 2015. Т. 19, № (1). С. 121-127. https://doi.org/10.18699/VJ15.015Smolikova G.N., Shavarda A.L., Alekseichuk I.V. et al. The metabolomic approach to the assessment of cultivar specificity of Brassica napus L. seeds. Vavilovskii Zhurnal Genetiki i Selektsii = Vavilov Journal of Genetics and Breeding. 2015;19(1):121-127. (In Russ.) https://doi.org/10.18699/VJ15.015Pang L., Wang Z., Mi S., Li H. Feasibility study on identifying seed variety of soybean with hyperspectral imaging and deep learning. Journal of Chemometrics. 2025;39(5):e70035. https://doi.org/10.1002/cem.70035Pang L., Wang Z., Mi S., Li H. Feasibility study on identifying seed variety of soybean with hyperspectral imaging and deep learning. Journal of Chemometrics. 2025;39(5):e70035. https://doi.org/10.1002/cem.70035Miranda M.C.C., Aono A.H., Fagundes T.G. et al. High-throughput phenotyping and machine learning techniques in soybean breeding: Exploring the potential of aerial imaging and vegetation indices. Agronomy Journal. 2025;117(1):e70012. https://doi.org/10.1002/agj2.70012Miranda M.C.C., Aono A.H., Fagundes T.G. et al. High-throughput phenotyping and machine learning techniques in soybean breeding: Exploring the potential of aerial imaging and vegetation indices. Agronomy Journal. 2025;117(1):e70012. https://doi.org/10.1002/agj2.70012Kumar A., Sahu J.K., Naik S., Suhas Dr. Lipid characterization of black soybean (Glycine max [L.] Merrill) seeds using GC-MS/HS fingerprinting. Journal of Food Processing and Preservation. 2022;46(2):e17092. https://doi.org/10.1111/jfpp.17092Kumar A., Sahu J.K., Naik S., Suhas Dr. Lipid characterization of black soybean (Glycine max [L.] Merrill) seeds using GC-MS/HS fingerprinting. Journal of Food Processing and Preservation. 2022;46(2):e17092. https://doi.org/10.1111/jfpp.17092Li H., Zhang L., Sun H. et al. Identification of soybean varieties based on hyperspectral imaging technology and one-dimensional convolutional neural network. Journal of Food Process Engineering. 2021;44(15):e13767. https://doi.org/10.1111/jfpe.13767Li H., Zhang L., Sun H. et al. Identification of soybean varieties based on hyperspectral imaging technology and one-dimensional convolutional neural network. Journal of Food Process Engineering. 2021;44(15):e13767. https://doi.org/10.1111/jfpe.13767Александрова В.А., Лысенкова А.А. Идентификация сорта сои методами оптической спектроскопии // Товаровед продовольственных товаров. 2025. № 2 (247). С. 84-87. EDN: EYKZXZAlexandrova V.A., Lysenkova A.A. Identification of soybean varieties by optical spectroscopy methods. Food Products Commodity Expert. 2025;2(247):84-87. (In Russ.)Xu P., Yang R., Zeng T. et al. Varietal classification of maize seeds using computer vision and machine learning techniques. Journal of Food Process Engineering. 2021;44(2):e13846. https://doi.org/10.1111/jfpe.13846Xu P., Yang R., Zeng T. et al. Varietal classification of maize seeds using computer vision and machine learning techniques. Journal of Food Process Engineering. 2021;44(2):e13846. https://doi.org/10.1111/jfpe.13846Singh T., Garg N.M., Iyengar S.R.S. Nondestructive identification of barley seeds variety using near-infrared hyperspectral imaging coupled with convolutional neural network. Journal of Food Process Engineering. 2021;44(6):e13821. https://doi.org/0.1111/jfpe.13821Singh T., Garg N.M., Iyengar S.R.S. Nondestructive identification of barley seeds variety using near-infrared hyperspectral imaging coupled with convolutional neural network. Journal of Food Process Engineering. 2021;44(6):e13821. https://doi.org/0.1111/jfpe.13821Sharma A., Singh T., Garg N. Nondestructive identification of wheat seed variety and geographical origin using near-infrared hyperspectral imagery and deep learning. Journal of Chemometrics. 2024;38(2):e3585. https://doi.org/10.1002/cem.3585Sharma A., Singh T., Garg N. Nondestructive identification of wheat seed variety and geographical origin using near-infrared hyperspectral imagery and deep learning. Journal of Chemometrics. 2024;38(2):e3585. https://doi.org/10.1002/cem.3585Nazari L., Shaker M., Karimi A., Ropelewska E. Identification of sorghum genotypes using a machine vision system. Journal of Food Process Engineering. 2021;44(5):e13673. https://doi.org/10.1111/jfpe.13673Nazari L., Shaker M., Karimi A., Ropelewska E. Identification of sorghum genotypes using a machine vision system. Journal of Food Process Engineering. 2021;44(5):e13673. https://doi.org/10.1111/jfpe.13673Беляков М.В. Оптические люминесцентные свойства семян сельскохозяйственных растений // Агрофизика. 2024. № 4. С. 72-78. EDN: MMYHXZBelyakov M.V. Optical luminescent properties of agricultural plants’ seeds. Agrophysica. 2024;4:72-78. (In Russ.)Pan Y.-L. Detection and characterization of biological and other organic-carbon aerosol particles in atmosphere using fluorescence. Journal of Quantitative Spectroscopy and Radiative Transfer. 2015;150:12-35. https://doi.org/10.1016/j.jqsrt.2014.06.007Pan Y.-L. Detection and characterization of biological and other organic-carbon aerosol particles in atmosphere using fluorescence. Journal of Quantitative Spectroscopy and Radiative Transfer. 2015;150:12-35. https://doi.org/10.1016/j.jqsrt.2014.06.007Matveeva T.A., Sarimov R.M., Persidskaya O.K. et al. Application of fluorescence spectroscopy for early detection of fungal infection of winter wheat grains. AgriEngineering. 2024;6(3):3137-3158. EDN: JEGUAVMatveeva T.A., Sarimov R.M., Persidskaya O.K., et al. Application of fluorescence spectroscopy for early detection of fungal infection of winter wheat grains. AgriEngineering. 2024;6(3):3137-3158.Donaldson L. Autofluorescence in Plants. Molecules. 2020;25(10):2393. https://doi.org/10.3390/molecules25102393Donaldson L. Autofluorescence in Plants. Molecules. 2020;25(10):2393. https://doi.org/10.3390/molecules25102393Беляков М.В., Лысенкова А.А. Сортовые особенности фотолюминесценции сои // Вестник российской сельскохозяйственной науки. 2025. № 2. С. 12-16. https://doi.org/10.31857/S2500208225020032Belyakov M.V., Lysenkova A.A. Varietal features of soybean photoluminescence. Vestnik of the Russian Agricultural Science. 2025;2:12-16. (In Russ.) https://doi.org/10.31857/S2500208225020032

The authors declare that there are no conflicts of interest present.