准确地划分玉米杂种优势群, 可有效地指导种质的改良、 杂种优势模式的构建和新品种的选育。 目前主要利用系谱法、 配合力测定、 同工酶和分子标记等进行玉米杂种优势类群的划分, 这些划分方法成本高, 操作复杂, 甚至有的方法还需破坏种子。 本文探索了利用近红外光谱技术(NIRS)快速、 无损地划分玉米杂种优势群的可行性。 使用MPA型傅里叶变换近红外光谱仪漫反射模式采集整粒玉米种子的光谱, 用滑动平均窗口平滑、 一阶差分导数、 矢量归一化对光谱进行预处理。 将光谱用主成分分析方法降维到低维空间, 使用层次聚类法对A组6个中国的骨干自交系和B组的6个优良自选系共12个材料进行杂种优势群划分, 结果将A组6个自交系划分为3类, A1(郑58)和A2(掖478)为一类, A3(昌7-2)和A4(黄早四)为一类, A5(Mo17)和A6(四F1)为一类, 这与系谱法分析结果高度吻合。 对B组6个自选系, 将B1和B2, B3和B4, B5和B6分别划分为一类, 与SSR标记的类群划分结果一致。 由此可见, 利用NIRS划分玉米杂种优势类群是简便、 快速、 高效、 可行的方法。

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。

从玉米自交系种子的遗传距离、 近红外光谱距离、 品种鉴别模型性能三方面进行分析, 探索三者间的关系。 采用三组(共15对)遗传关系远近不同的玉米自交系种子作为实验材料, 通过简单重复序列(simple sequence repeats, SSR)标记计算自交系种子间的遗传距离; 种子的近红外光谱经预处理后降维到主成分分析(principal component analysis, PCA)空间中, 计算各个自交系种子样本中心点之间的欧氏距离, 作为对应的近红外光谱距离; 使用仿生模式识别方法建立鉴别模型, 用模型的鉴别正确率评价模型的性能。 分析结果表明, 自交系种子间遗传距离与近红外光谱距离相关性为0.986 8, 与模型鉴别正确率的相关性为0.911 0, 相关性显著。 说明近红外光谱可以反映出玉米自交系种子之间的遗传关系, 遗传关系的远近影响品种鉴别模型的性能, 遗传距离越小, 近红外光谱距离越小, 模型鉴别能力也越差。 实际应用中有望利用近红外光谱技术分析玉米自交系的遗传关系, 对遗传育种、 品种识别、 纯度分选等具有重要意义; 且建立品种鉴别模型时, 应充分考虑遗传关系较近的玉米自交系对模型性能的影响。

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。

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。

对玉米种子高光谱图像的光谱维信息进行分析, 探索利用高光谱图像技术鉴定玉米杂交种纯度的可行性。 实验中利用高光谱成像系统采集玉米品种农华101的母本和杂交种的高光谱图像, 波长范围871～1699 nm; 在每个玉米样本上提取感兴趣区域的平均光谱信息, 利用处理后的数据建立农华101母本和杂交种的鉴定模型。 讨论了样品的摆放方式(种子胚正对光源和背对光源, 种子在样品台上的位置)和实验环境对鉴定模型性能的影响。 鉴定模型对不同摆放方式和实验环境下获得的同种样品的光谱的正确识别率和正确拒识率均达到90%以上, 模型稳健性良好。 利用Qs方法选择特征波段<参考文献原文>, 发现在1 230 nm附近（1 195～1 246 nm）农华101的母本和杂交种差异最大。 实验中利用特征波段内的数据进行建模和测试, 正确识别率和正确拒识率达到90%以上, 与利用全波段(925～1597 nm)获得的识别效果相当。 分析结果表明, 利用高光谱图像技术鉴定玉米杂交种纯度是可行的。

研究了适合进行玉米群体样品品种真实性鉴定的光谱测量方法。 分别用近红外光谱仪的全波漫反射和短波漫透射测量方法采集8个玉米品种的光谱数据， 对预处理后的数据做偏最小二乘分析(PLS-DA)， 建立8个玉米品种的仿生模式识别模型。 分别统计用两种方法所测数据建立的品种识别模型对本类样品的平均正确识别率和对异类样品的平均正确拒识率， 漫反射方法达到94.5%和96.71%， 漫透射方法达到98.50%和98.00%,　均满足玉米品种初筛所要求的精度， 其中短波漫透射方法建立的模型对测试样本的平均正确识别率和拒识率分别比全波漫反射方法高出4%和1.3%。

近红外光谱特征提取是近红外光谱定性分析的关键步骤， 其质量直接影响定性分析结果。 采用漫透射方法测量8个玉米品种的近红外光谱， 经预处理后， 分别采用PCA， ICA， PLS-DA和小波分解四种方法对光谱进行特征提取， 并使用仿生模式识别方法建立了8个玉米品种识别模型， 最后使用测试集数据进行模型测试。 结论如下： 使用PLS-DA方法进行特征提取后建立的模型正确识别率优于使用PCA， ICA和小波分解特征提取后建立的模型。

从玉米籽粒胚的朝向, 中长波漫反射分析和短波透射分析, 进样方式三个方面进行了研究, 通过比较不同的测量方法对品种识别模型性能的影响来选择最佳的玉米单籽粒光谱测量方式, 进而鉴定玉米单籽粒品种真实性。 原始光谱经过预处理后, 使用判别式偏最小二乘法(PLS-DA)对数据进行特征提取和降维, 选取前9个因子建立8个玉米品种的仿生模式识别模型。 结果表明, 玉米籽粒胚正对光源优于胚背对光源, 中长波漫反射分析优于短波透射分析, 小样品池效果好于小光阑。 采用最优测量方法(籽粒胚正对光源, 使用小样品池和中长波漫反射分析)获取玉米单籽粒的近红外光谱, 建立的品种识别模型对本品种样品的平均正确识别率达到94.6%, 对其他品种样品的平均正确拒识率达到96.5%。