Métodos ópticos têm sido amplamente desenvolvidos para avaliação da qualidade de sementes, a fim de atender à crescente demanda da indústria agrícola e alimentícia. A fluorescência de clorofila e a análise multiespectral de imagens destacam-se como tecnologias rápidas, não destrutivas e precisas, com a geração de informações consistentes sobre diferentes atributos da qualidade de sementes. Esta pesquisa objetivou estudar uma nova abordagem baseada em recentes métodos ópticos para a análise do potencial fisiológico de sementes de tomate e cenoura. Foram utilizadas sementes de tomate dos cultivares Gaúcho e Tyna, representados por três e quatro lotes, respectivamente, e sementes de cenoura dos cultivares Brasília e Francine, representados por quatro lotes cada. O trabalho foi dividido em cinco etapas: 1) análise do potencial fisiológico (germinação e vigor); 2) análise de imagens de fluorescência de clorofila nas combinações de excitação e emissão de 620/730 nm, 630/700 nm, 645/700 nm e 660/700 nm; 3) análise de imagens multiespectrais em 19 comprimentos de onda (365 a 970 nm); 4) análise de imagens de raios X; 5) análise de fotossíntese, fluorescência e índice de clorofila em plântulas. Foram empregados métodos de quimiometria aos dados multiespectrais baseados em análise de componentes principais (PCA), floresta aleatória (RF) e análise discriminante quadrática (QDA). As imagens de fluorescência de clorofila nas combinações de 620/730 nm (tomate) e 660/700 nm (cenoura), possibilitaram a identificação de lotes de sementes de potenciais fisiológicos distintos, além disso, as combinações de 620/730 nm (tomate) e 645/700 nm (tomate e cenoura), permitiram a discriminação de sementes entre cultivares. A análise dos dados multiespectrais empregando a PCA, possibilitou a distinção de sementes entre os cultivares de cenoura, mas isso não foi possível entre os cultivares de tomate. O classificador baseado no algoritmo RF revelou as bandas mais significativas para identificação do vigor das sementes, com destaque para os comprimentos de onda de 365, 570, 590, 660 e 690 nm em tomate, e de 365, 405, 430, 940 e 970 nm em cenoura. O modelo de QDA criado com as bandas mais significativas da RF, apresentou alta precisão na identificação de lotes de sementes de maior e menor vigor, com classificação correta variando entre 89 e 94% em lotes de sementes de tomate e entre 86 e 97% em lotes de sementes de cenoura. Sementes imaturas de tomate de cenoura apresentaram maior proporção de espaços internos vazios, identificados por meio das imagens radiográficas, maior fluorescência de clorofila e maior reflectância multiespectral. As sementes de tomate de menor vigor produziram plântulas com capacidade fotossintética reduzida, maior fluorescência de clorofila e menor índice de clorofila. Em conclusão, as técnicas de fluorescência da clorofila e de imagens multiespectrais (aliadas aos métodos quimiométricos), constituem ferramentas eficazes para análise não destrutiva e confiável do potencial fisiológico de sementes de tomate e cenoura. Diante da crescente demanda da indústria agrícola e de alimentos, essas novas abordagens poderão contribuir de forma eficaz em programas de controle de qualidade nas diversas fases de um sistema de produção de sementes, com o ranqueamento rápido, objetivo e preciso de lotes de sementes.

Optical methods have been extensively explored for assessing seed quality, in order to meet the growing demand from the agricultural and food industry. Chlorophyll fluorescence and multispectral imaging are rapid, non-destructive and accurate technologies that can generate consistent information on different seed quality traits. This research aimed to investigate a new approach using recent methods to analyze the physiological potential of tomato and carrot seeds. We used tomato seeds from Gaúcho and Tyna cultivars represented by three and four lots, respectively, and carrot seeds from Brasília and Francine cultivars, each represented by four lots. This research was divided into five stages: 1) physiological potential tests (germination and vigor); 2) chlorophyll fluorescence analysis at 620/730 nm, 630/700 nm, 645/700 nm and 660/700 nm excitation/emission combinations; 3) multispectral imaging at 19 wavelengths (365 to 970 nm); 4) X-ray imaging; 5) photosynthesis, chlorophyll fluorescence and chlorophyll index of seedlings. Chemometrics methods based on principal component analysis (PCA), random forest (RF) and quadratic discriminant analysis (QDA) were applied to the multispectral data. Chlorophyll fluorescence images at 620/730 nm (tomato) and 660/700 nm (carrot) allow the discrimination of seed lots with different physiological potential, in addition, the combinations of 620/730 nm (tomato) and 645/700 nm (tomato and carrot) were feasible to discriminate cultivars. Using a PCA method, the multispectral data discriminated carrot cultivars, but not tomato cultivars. The RF algorithm revealed the most meaningful wavelengths for seed vigor classification: 365, 570, 590, 660 and 690 nm in tomato seeds, and 365, 405, 430, 940 and 970 nm in carrot seeds. The QDA model based on the five most meaningful wavelengths assigned by the RF algorithm showed high precision in distinguishing seeds with higher-vigor from seeds with lower-vigor, with accuracies varying between 89 and 94% in tomato seed lots and between 86 and 97% in carrot seed lots. Immature tomato and carrot seeds showed a higher proportion of internal empty spaces observed by the radiographic images, higher chlorophyll fluorescence and higher multispectral reflectance. Tomato seeds with lower-vigor produced seedlings with reduced photosynthesis capacity, higher chlorophyll fluorescence and lower chlorophyll index. In conclusion, chlorophyll fluorescence and chemometric-based multispectral imaging are efficient tools for non-destructive and reliable prediction of the physiological potential of tomato and carrot seed lots. In view of the growing demand in the agricultural and food industry, these new approaches could be potentially used in quality assurance programs through different seed production stages, with rapid, objective and accurate ranking of seed lots.