种子活力是种子质量的一项重要指标, 高活力的种子具有较强的抗逆性、 生长优势及生产潜力。 而种子活力在种子生理成熟时最高, 随后随着贮藏时间的延长而发生着自然不可逆的降低。 因此, 在播种前及时、 准确地对种子活力进行检测和筛选具有重要的实践意义。 针对传统种子活力检测方法存在的操作过程复杂繁琐、 耗时长、 重复性差且对种子有破坏性等缺点, 研究尝试利用高光谱成像技术建立单粒小麦种子生活力快速、 无损、 精确的检测方法。 以高温高湿老化后的190粒小麦种子（发芽128粒, 不发芽62粒）作为研究样本, 先利用可见-近红外(Vis-NIR)高光谱成像系统采集样本种子的光谱图像和进行标准发芽试验, 并确保光谱采集试验和标准发芽试验的小麦种子一一对应。 随后提取种子光谱图像的感兴趣区域并对其光谱数据进行平均和特征分析。 分别采用一阶导数（FD）、 均值中心化（MC）、 正交信号校正(OSC)和多元散射校正（MSC）对原始光谱数据进行预处理, 结合偏最小二乘辨别分析（PLS-DA）建立全波段PLS-DA模型, 比较分析, 并筛选出最适预处理方法。 分别利用无信息变量消除算法（UVE）、 竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)及耦合不同变量筛选方法对特征波段进行筛选提取, 再分别基于所提取出的特征波段建立PLS-DA定性判别模型, 对比分析, 最终确立提取与单粒小麦种子生活力相关性最高的高光谱特征波段方法体系。 结果表明: 不同光谱预处理建立的模型其表现有所差异, 在MC, FD, OSC和MSC中, 采用MC对原始高光谱数据进行预处理, 建立的全波段MC-PLS-DA判别模型, 其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为82.5%和83.0%, 优于原始及其他预处理后建立的全波段PLS-DA判别模型, 其校正集和预测集对小麦种子活种子鉴别正确率分别为94.8%和90.6%。 进一步对比3种单特征波段提取方法及其耦合分析建模中, 发现3种变量筛选方法耦合（UVE-CARS-SPA）的方式能够将光谱全波段的688个变量压缩至8个变量（473, 492, 811, 829, 875, 880, 947和969 nm）, 利用所筛选出的8个变量建立的MC-UVE-CARS-SPA-PLS-DA模型获得了最优秀的鉴别效果, 其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为86.7%和85.1%, 较全波段模型（MC-Full-PLS-DA）分别提升了4.2%和2.1%, 活种子的鉴别正确率分别为93.8%和84.4%, 经过此优秀模型筛选后, 种子批最终发芽率可达到93.1%。 实验结果表明, 基于高光谱成像技术结合UVE-CARS-SPA-PLS-DA模型能够实现对单粒小麦种子生活力的定性判别。 研究工作为小麦种子活力的快速、 精确且无损的检测提供理论支持。

应用延迟发光的理论与方法, 研究了γ辐照对扬麦13、扬麦15两个品种小麦种子的影响。结果表明: 被测样品延迟发光的弛豫过程可以用非线性动力学方程Y^=b1+b2e－b3t1+b4t来进行描述, 该方程对测量结果拟合的相关系数达到了99%以上。当t=0时, Y^0 = b1 + b2 , 即样品的初始发光强度, 在光照条件一定时, 辐照剂量越高, 样品的初始发光强度就越低。F测验结果表明不同辐照剂量对小麦种子初始发光强度的影响达到了极显著的水平, 即受照剂量越高, 初始发光强度越低, 而两种供试小麦间的初始发光强度并无显著差异。结合处理种子苗期的生物学观察, 样品(即种子)的初始发光强度与幼苗株高具有一致的变化趋势, 即种子的初始发光强度越高, 幼苗株高也高。因此, 对辐射种子延迟发光过程的分析, 可能是了解γ辐照对作物种子影响的一种快速可靠的检测方法。

小麦蛋白质含量的性状遗传力较高, 通过选择蛋白质含量高的籽粒母本可以达到优质育种的预期效果。研究采用高光谱成像技术结合化学计量学方法建立多籽粒小麦粗蛋白平均模型来实现单籽粒小麦粗蛋白含量的快速预测。实验采集47份小麦样本(每份100粒)的高光谱图像并提取平均光谱信息, 通过联合区间偏最小二乘法筛选特征变量优化建立多籽粒小麦粗蛋白平均模型。模型的相关系数为0.94, 预测均方根误差为0.28%, 相对分析误差为3.30。通过图像处理提取出待测单籽粒小麦的高光谱图像, 应用平均模型预测单籽粒小麦在每个空间像素点的粗蛋白, 取其平均值作为该粒麦种的最终粗蛋白含量。经验证, 应用上述模型预测同一组样本的单籽粒小麦时, 不同籽粒的小麦粗蛋白含量确实存在差异, 但蛋白含量均围绕其所在样本的平均值浮动, 因此反映出采用平均模型预测单籽粒小麦蛋白的准确性和基本可行性。该方法的研究可以为小麦育种过程中高蛋白籽粒麦种的优选提供一种新思路, 推动小麦优质育种的发展。