以不同存储时间, 同一产地及收获时间的10个玉米品种种子为对象, 研究存储时间在玉米单籽粒近红外光谱真实性鉴定中, 对近红外光谱分析技术检测结果的影响。 利用1月份光谱数据建立品种真实性鉴定模型(单月建模), 分别鉴定2到12月的相同品种, 原始光谱采用平滑、 一阶差分和矢量归一化进行预处理, PLS-DA建立模型进行分析比较, 结果显示, 正确鉴定率均呈逐月下降的趋势, 同一品种的同一种子批, 由储藏开始建立的品种真实性鉴定模型已无法对储藏11个月后的该种子批进行高准确度的鉴定, 储存时间由1个月增加至11个月时, 模型的平均正确鉴别率降低26.27%, 这说明玉米种子的存储时间越长将降低应用近红外光谱鉴定品种真实性的鉴定准确度。 另外, 本研究发现玉米种子存储时间越长, 导致同一品种种子样品的光谱数据在空间分布上产生差异, 光谱数据离散化更明显, 重复性一致性越低, 使得玉米种子的真实性鉴定结果的准确性越低。 通过扩充建模集中易受干扰的信息的范围, 即将1年内在不同时间段里随取样时间变化而导致的在不同环境因素、 仪器因素及种子样品等变化因素下采集到的光谱数据, 均扩充到建模光谱数据中, 以增加根据扩充数据建立的近红外光谱预测模型的包容性。 通过1月与2月建模集联合后建立的包容性模型(联合建模), 之后分别对2016年3月—12月测试集的样品进行鉴定, 之后逐月增加建模集光谱数据, 并对非建模集所在月份进行逐月鉴定, 以京科968为例, 结果表明, 模型对建模集相邻月份的测试准确度较高, 之后逐月降低。 当建模集内加入1到6月份建模集内的特征光谱后, 包容性模型的平均正确鉴别率可稳定在92%以上。 通过以上方式, 对10个玉米品种进行了测试, 结果表明, 包容性模型对于玉米种子真实性的正确识定率相较于单月模型均有明显提高。 J92与XY211的平均正确鉴别率分别提高11.58%与7.71%。 将2016年整年的光谱数据均加入包容性模型的建模集中, 使测试集玉米杂交种2017年的平均正确鉴别率达到94.68%, 自交系达到95.03%, 为进一步研发专用模型和实用设备提供基础。

小麦作为主要的粮食作物在我国农业生产、 运输、 食品加工等方面占有重要地位。 不完善籽粒严重影响了小麦质量与粮食安全。 不完善籽粒主要在生产、 存储、 包装等过程中产生, 目前我国小麦质量检测多以人工分选为主, 但存在人主观性较强, 肉眼易疲劳, 且费时费力等问题, 因此, 如何快速准确鉴别小麦不完善粒是现阶段提高生产率和保证粮食安全的重要问题。 运用高光谱成像技术和特征波段选取方法提出一种快速有效的小麦不完善粒鉴别方法。 利用近红外高光谱成像系统获得1 000粒小麦样本在862.9～1 704.2 nm共256个波段的高光谱反射图像, 其中包括健康粒、 生芽粒、 霉变粒和赤霉粒各250粒, 提取每个样本感兴趣区域的平均反射率光谱作为分类特征。 本文首先对提取的全波段光谱信息进行窗口平滑、 一阶导数差分、 矢量归一化等数据预处理, 将原始光谱数据的隐藏信号放大并消除随机误差; 在预处理的基础上运用伪偏最小二乘(DPLS)和正交化线性判别分析(OLDA)对光谱进行特征提取, 降低数据的冗余度; 最后采用仿生模式识别（BPR）建立四类小麦的鉴别模型。 实验结果表明, 采用全波段光谱信息建立的小麦不完善粒鉴别模型的平均识别精度达到97.8%, 分析结果可知, 利用近红外高光谱成像技术的全波段光谱信息对小麦不完善粒鉴别是可行的。 尽管全波段光谱信息取得了较好的鉴别效果, 但高光谱成像设备较为昂贵, 获取高光谱全波段光谱信息数据量较大, 无法满足对现场设备运算速度的高要求, 因此, 采用连续投影算法（SPA）对全波段光谱数据进行特征波段的选择, 使波段数量由256维降低到10维, 从而提高系统的可行性和运算速度。 采用选取的10个特征波段建立小麦不完善粒鉴别模型, 实验结果表明10个特征波段的平均识别精度仅为83.2%, 分析结果可知, 尽管采用10个特征波段提高了系统实时性, 但鉴别准确性较差。 为达到与全波段特征基本相当的鉴别效果, 利用光谱特征与图像特征结合的方法建立小麦不完善粒鉴别模型, 将上述选取的10个特征波段的形态信息、 纹理信息和光谱信息进行结合, 实验结果表明, 10个特征波段的光谱信息与图像信息结合使鉴别的平均识别精度达到94.2%, 此识别效果与利用全波段光谱数据的识别效果基本相当。 利用高光谱成像系统探索了小麦不完善粒鉴别的可行性, 通过分析以上实验可知, 基于近红外高光谱成像技术对小麦不完善粒检测具有良好的效果, 在有效的提高运算速度的同时也保证了系统的鉴别精度, 为后期小麦不完善粒快速检测设备的开发提供了有效的研究方向。

为实现玉米杂交种的自动化快速分选, 提出了应用少量近红外波段光对玉米种子进行成像, 获取种子光谱图像并提取纹理特征来鉴定玉米杂交种纯度的方法。 采集5个玉米品种的母本和杂交种在4个短波近红外波段的透射光谱图像和4个中波近红外波段的反射光谱图像, 采用白板标定校正光谱图像, 运用中值滤波、 大津法去除噪声, 从背景中分割出种子, 应用灰度分布统计, 灰度共生矩阵提取纹理特征, 对同一粒种子拼接其在各波长处的特征数据, 应用主成分分析和正交线性判别分析降维并获得子空间的最佳可分性, 使用支持向量机建立透射和反射光谱图像纯度鉴定模型。 透射和反射模型对5个玉米品种平均正确鉴别率均在85%以上。 表明利用少量波段的近红外光谱图像鉴定玉米杂交种纯度是可行的。

以2009年产自海南的农华101玉米种子作为研究对象, 基于近红外漫透射光谱法(波长范围908.1~1 677.2 nm), 研究了一种高强高效近红外光源在不同光源电压以及光源至光谱仪不同距离两种条件下对玉米杂交种鉴别的影响。 对光谱进行一阶导数、 矢量归一化的预处理后, 使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征, 使用支持向量机(SVM)分别建立种子纯度鉴定模型, 统计不同实验条件下的识别率。 结果表明, 在电压较低或者光源至光谱仪的距离较大的时候, 光源强度较低, 得到的光谱曲线有较多的毛刺, 此时的识别率较低, 增大电压或者降低光源至光谱仪的距离时, 光谱曲线变得较为平滑, 识别率明显升高, 说明在一定范围内增大光源强度会提高模型的正确鉴定率。

针对小麦品种多分类问题, 使用近红外光谱进行定性分析。 建模样本增加能够使模型包含信息增多, 但同时也会导致信息冗余, 增加建模时间和存储空间, 所以需要通过样本选择降低数据量。 如果盲目选择必然会使信息丢失, 模型效果将大打折扣, 因此, 在传统选择方法基础上, 提出k近邻-密度样本选择方法。 使用多天采集的小麦种子近红外漫反射光谱, 在对其原始光谱进行预处理和特征提取后, 分别使用随机抽样、 k近邻和k近邻-密度三种方法进行建模样本选择, 然后建立仿生模式识别模型和改进的仿生模式识别模型。 实验结果显示, 在建立的仿生模式识别模型中, 使用k近邻-密度样本选择方法的模型识别效果优于另两种方法, 且建模样本量大大降低； 而在改进的仿生模式识别模型中, 使用k近邻-密度样本选择方法识别效果明显优于随机抽样, 略好于k近邻方法, 但使用k近邻-密度方法所选择的样本数量远少于k近邻方法。 结果证明k近邻-密度样本选择方法不仅能够大大降低建模样本量, 而且保证了模型质量, 对解决小麦品种多分类问题有明显效果。

使用JDSU公司的MicroNIR1700型微型近红外光谱仪, 研究了适合进行单籽粒玉米单倍体鉴别的光谱测量方法。 基于近红外光谱定性分析技术, 比较了漫反射和漫透射两种情况下玉米单倍体鉴别的效果。 光谱数据经过预处理后, 采用PLS＋OLDA特征提取算法, 应用SVM建立玉米单倍体鉴别模型, 分别统计漫反射和漫透射实验条件下, 鉴别模型的正确识别率。 在微型光谱仪内置光源漫反射的光谱测量方式下, 不分胚面朝向, 玉米单倍体籽粒平均识别率低于60%, 不能有效鉴别玉米单倍体和多倍体。 而采用外置光源对籽粒进行漫透射光谱测量方式, 获得了平均正确识别率为93.2%的鉴别效果, 并且模型稳定性好。 实验结果表明, 漫反射光谱仅能获得玉米籽粒表层信息, 因此玉米籽粒胚面朝向严重影响漫反射光谱鉴别单倍体种子的效果; 而漫透射光谱可以实现分析光程纵深信息全累加, 能够得到样品内部的信息, 因此对胚面朝向不敏感, 能够有效地对随机摆放的玉米单倍体和多倍体进行识别。 近红外方法能快速、无损地鉴别单倍体, 并且微型光谱仪采集速度快, 成本低, 为实现实用化的自动鉴别提供了条件。

单倍体技术已发展成为玉米遗传研究及现代玉米育种的重要技术之一, 单倍体籽粒的鉴别筛选是其中的重要环节。 目前单倍体籽粒主要是依赖于籽粒的R1-nj遗传标记通过人工肉眼观察颜色的有或无进行鉴别, 费时费工。 而且部分材料由于标记颜色很难从籽粒外部观察到, 导致人工筛选准确率较低。 基于可见光光谱分析建立玉米单倍体籽粒鉴别方法, 探索利用可见光光谱鉴别玉米单倍体籽粒的可行性。 同时, 由于每季用于诱导单倍体的育种材料不尽相同, 模型须能够鉴别未参加建模的材料的单倍体。 本研究以9个遗传背景的单倍体和杂交籽粒共284粒作为试验材料, 利用便携式紫外-可见光光纤光谱仪采集单个玉米籽粒的可见光漫透射光谱。 光谱数据经平滑、 矢量归一化预处理和主成分分析, 基于支持向量机方法建立单倍体和杂交籽粒判别模型。 每次选择1个背景的样本作为测试集, 其余背景的样本作为建模集对模型进行交叉验证。 模型交叉验证平均正确判别率达到92.06%。 其中8次测试正确判别率在85%以上。 结果表明利用可见光光谱分析建立玉米单倍体籽粒鉴别方法, 并使模型可鉴别未参与建模材料的单倍体具有可行性。 并且基于该方法有望建立玉米单倍体籽粒的自动化快速筛选系统, 提高玉米单倍体育种效率。

探索使用近红外反射和透射光谱法(波长范围908.1~1 677.2 nm)鉴定玉米杂交种纯度, 并对两种方法进行比较。 对光谱进行一阶导数、 矢量归一化的预处理后, 使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征, 使用支持向量机(SVM)分别建立两个玉米品种(农华101和京玉16)的种子纯度鉴定模型。 反射近红外光谱建立的农华101和京玉16的正确鉴定率分别为100%和90%。 但反射光谱法受种子摆放位置的影响很大, 胚面和非胚面光谱有较大差异。 透射光谱法建立的京玉16和农华101纯度鉴定模型的正确鉴定率均为98%, 胚面和非胚面的光谱相似度很高。 结果表明, 利用近红外反射和透射光谱法鉴定玉米杂交种纯度是可行的; 透射光谱法更适于分析单籽粒玉米种子。

以同一品种同一批次玉米单倍体和多倍体个体种子为研究对象,基于近红外光谱定性分析技术,分析研究了用漫透射光谱测量方式采集光谱时,不同光照强度和光阑孔径得到的光谱曲线质量以及对玉米单倍体种子鉴别结果的影响.光谱数据经过预处理后,采用 PLS＋OLDA特征提取算法,应用 SVM建立玉米单倍体鉴别模型.分别统计多种不同实验条件所测数据建立的鉴别模型的正确识别率.结果表明,光阑孔径的大小影响光谱曲线信噪比,越接近玉米籽粒大小的孔径获得的光谱曲线越平滑;光照强度影响光谱曲线有效性,光照越强,波形峰谷差值越大,识别率越高.选择较高的光源强度和适合种子大小的光阑,可以得到高质量的光谱曲线,以此建立的玉米单倍体鉴别模型,识别率达到了 100%.

应用近红外光谱鉴定玉米种子品种真实性已有深入的研究。 在实际应用中, 商品玉米种子均涂有种衣剂, 给光谱的采集和分析带来了许多困难。 提出了基于近红外光谱的带种衣剂玉米种子品种真实性快速鉴定方法。 首先讨论了种衣剂对种子近红外光谱的影响, 然后将种子沿着胚面凹陷方向切开, 使用漫反射方式和专用配件测量种子切面的光谱, 以消除种衣剂的影响。 使用支持向量机、 软独立模式识别和仿生模式识别三种方法建立四个玉米品种的真实性鉴定模型, 正确识别率分别达到93%, 95.8%和98%。 品种鉴定模型具有很好的稳健性, 对来自不同产地的同一品种的种子均能够正确识别。