1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学工程学院, 黑龙江 大庆 163319
目前, 近红外光谱(NIRS)可以实现种子活力的快速、 无损检测, 但区分的活力等级一般少于3级且精度不高。 建立种子活力多等级、 高精度的NIRS检测模型, 解决活力等级增加与预测模型精度之间的矛盾是现阶段近红外种子活力检测的主要任务。 以玉米种子为研究对象, 采用人工老化的方法获得5种活力等级的种子样本并采集对应的光谱数据建立反向神经网络(BP)预测模型。 为了提高模型的精度和稳健性, 提出一种耦合平均影响值-连续投影特征波长提取算法(MIVopt-SPAsa)。 该算法针对连续投影算法(SPA)耗时过长的问题, 采用平均影响值算法(MIV)对其预降维。 MIV方法实现了对波长影响值的排序, 但缺乏选取波长影响阈值的指标, 因此引入相对距离比对MIV算法进行优化(MIVopt), 实现特征波长范围的有效分割。 针对SPA提取特征变量数目确定的问题, 设定了特征波长数目范围并在此范围内优中选优, 实现了自适应的SPA(SPAsa)特征提取。 使用耦合MIVopt-SPAsa算法对具有1 845个波长的玉米种子近红外全谱数据进行特征提取, 提取出特征波长37个, 主要分布在玉米种子近红外光谱的7个主要吸收峰附近, 表明该算法可以有效提取出与玉米种子生化物质近红外吸收特性一致的特征波长。 为了测试该算法对模型性能的影响, 建立了全谱BP模型、 MIV-BP模型、 SPAsa-BP模型、 MIVopt-SPAsa-BP模型和竞争自适应重加权CARS-BP模型对5个等级的玉米种子活力进行分级, MIVopt-SPAsa-BP模型的预测平均准确率可达99.1%, 预测精度高于其他模型; 其计算平均时间为14.382 s, 低于MIV-BP模型的计算时间(24.523 s)、 CARS-BP模型的计算时间(97.226 s)和SPAsa-BP模型的计算时间(101.224 s), 但高于全谱模型的平均计算时间(0.253 1 s); 其最佳表现交叉熵为0.007 892, 远远低于另外4个模型。 实验结果表明: MIVopt-SPAsa算法可以有效地提高玉米种子活力近红外检测模型的精度, 实现种子活力多等级、 精确、 无损检测, 为种子活力检测模型的优化提供参考。
近红外光谱 种子活力 玉米 平均影响值算法 连续投影算法 Near infrared spectroscopy Seed vigor Maize Mean impact value Successive projection algorithm 光谱学与光谱分析
2022, 42(10): 3135
1 北京工商大学食品安全大数据技术北京市重点实验室, 北京 100048
2 中国农业科学院作物科学研究所, 北京 100081
应用太赫兹时域光谱反射成像技术结合广义二维相关光谱法探索玉米种子活力敏感太赫兹波段, 并结合支持向量机建立快速无损判别种子活力的分析模型。 实验以中地77玉米种子为例, 采用人工老化方式（40 ℃, 100%相对湿度）将种子样本分批老化0, 1, 2, 3, 4天制备不同活力的种子样本, 并按照GB/T 3543.4—1995进行种子发芽实验; 同时采用Terapluse 4000太赫兹时域光谱仪及反射成像附件采集上述不同老化程度种子样本的太赫兹光谱图像。 由于玉米种子的胚乳和种胚的成分差异显著, 为探究种子不同组织在老化过程中与活力的相关性, 本实验首先采用双高斯滤波器对THz图像中的像素点光谱消噪、 峰峰值差分重构图像增强以及阈值分割等预处理无损提取玉米种子不同组织太赫兹吸光度谱。 然后以老化天数为扰动量, 针对上述提取的样本胚乳和种胚光谱分别作广义二维相关分析, 根据实验中同步谱和异步谱中自动峰与交叉峰位置初步解析, 可得到与种子活力关系密切的THz波段主要集中在75和36 cm-1区域, 同时75和36 cm-1处的光谱信息存在强烈的协同变化且变化方向一致。 种子活力与老化天数密切相关, 因此根据老化天数分别建立了基于胚乳和种胚吸光度谱的五分类支持向量机模型用于种子活力定性判别, 但是其判别准确率仅为59.34%和71.28%, 表明该模型无法精细划分种子五个活力等级; 实验进一步根据GB4401.1—2008以玉米种子发芽率85%为阈值划分活力高低等级, 建立二分类种子活力判别模型, 可得胚乳和种胚测试集识别准确率分别可达88.61%和91.73%, 模型性能显著提升, 增强了THz技术用于种子活力无损粗筛的可行性。 实验结果表明: 太赫兹反射成像技术以其丰富的指纹谱、 低能安全以及图谱合一等特性, 有望成为单粒种子活力快速无损测定领域一项崭新、 有力的补充技术。
玉米种子 种子活力 太赫兹时域光谱反射成像 二维相关光谱 支持向量机 Corn seed Seed vigor Terahertz time-domain spectral reflection imaging Generalized two-dimensional correlation spectrosco Support vector machine 光谱学与光谱分析
2020, 40(9): 2840
1 中国科学院 长春光学精密机械与物理研究所 应用光学国家重点实验室，吉林 长春 130033
2 中国科学院大学，北京 100049
3 湖南省水稻研究所，湖南 长沙 410125
4 湖南省农业科学院，湖南 长沙 410125
针对目前农业种植选种应用对于带稃壳水稻种子活力分级检测的迫切需求，以及现有通用的糙米检测技术存在的问题，本文提出一种基于近红外超连续激光光谱的水稻种子活力透射光谱检测方法。首先，设计了种子活力近红外吸收光谱检测系统，测量了3种不同年份的带稃壳的水稻种子的近红外吸收光谱，结果显示，水稻种子的活力梯度与近红外吸收光谱的特征吸收峰值相关。然后，采用归一化、二阶导数校正法和正交信号校正相结合优化了种子光谱的预处理算法。最后，建立主成分分析(PCA)模型，对光谱进行降维，确定最佳主成分数目，应用偏最小二乘判别分析(PLS-DA)建立了水稻种子活力分析鉴别模型。分析结果表明，本文设计的透射式吸收光谱检测系统结合PLS-DA判别模型可对不同活力的水稻种子进行分类，校正集和验证集的准确率分别为94.44%和95.92%，筛选后水稻种子的发芽率可达97.17%。研究结果表明，本文提出的基于近红外光谱信息实现水稻种子活力无损分级的方法可行，且具有较高的预测精度。
近红外光谱 种子活力 偏最小二乘判别分析 主成分分析 near-infrared spectroscopy seed vigor partial least-squares discriminant analysis principal component analysis
1 湖州师范学院信息工程学院, 浙江 湖州 313000
2 浙江农林大学农业与食品科学学院, 浙江 杭州 311000
3 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室, 吉林 长春 130033
如何快速、无损地检测种子活力是目前种子研究领域的热点和难点。基于种子呼吸与种子活力的关系搭建了基于可调谐半导体激光吸收高光谱(TDLAS)技术的种子活力快速无损检测系统,该系统主要由分布反馈式激光器及其控制电路、光电转换及放大电路、数据采集电路、上位机软件以及基于多次反射池结构的种子呼吸CO2浓度检测池构成。检测池的容积为1.5 L,光程为16 m,激光光源波段为2004 nm。基于朗伯比尔定律,采用波长调制吸收光谱技术利用二次谐波反演出种子呼吸过程中产生的CO2浓度。根据种子呼吸CO2浓度的大小确定种子活力的强弱,并将其与发芽出苗实验获得的活力指数进行对比。实验结果表明:CO2呼吸强度的变化量与种子活力等级指数的相关性在0.9以上,即基于TDLAS技术的种子活力快速无损检测系统能够精准、无损、高效地反映种子活力的强弱。这一研究为采用TDLAS技术进行种子活力无损检测分级提供了有益探索。
光谱学 可调谐半导体激光吸收高光谱 无损检测 种子活力 呼吸强度 二氧化碳
湖南师范大学生命科学学院, 湖南 长沙 410081
目的: 探讨miRNA的表达差异与水稻种子活力的相关性。方法: 通过人工老化处理获得不同活力的水稻种子, 然后运用real time qPCR技术, 对不同活力种子的胚中miR164c和miR168b的表达量进行相对定量分析。结果: 水稻种子随活力下降至丧失活力以前, miR164c的表达量也相应下降; 但丧失活力的种子中, miR164c的表达量显著回升。miR168b的表达量则随着种子活力的降低而呈先升后降的模式; 在死种子中, miR168b的表达量维持在较低的水平。结论: 初步推测miR164c和miR168b的表达量与调控水稻种子活力的变化相关, 但它们的调控机制可能存在差异。
水稻 种子活力 miR164c miR164c miR168b miR168b rice seed vigor
1 长春理工大学光电工程学院， 吉林 长春 130022
2 北京农业信息技术研究中心， 北京 100011
激光散斑成像技术在医学和生物等领域得到广泛应用，照射对象内部变化可以产生动态变化的散斑图像。利用待测对象内部的散射粒子的动态变化与激光散斑变化的对应关系，结合激光散斑的统计学特性模拟相应算法，通过图像处理技术分辨出待测对象内部的动态变化程度。农作物种子内部粒子的活跃程度体现种子的活力，所以可以通过激光散斑技术的这个特点结合种子自身特性来分辨出作物种子的活力区域与非活力区域。
激光散斑成像 动态散斑 图像处理算法 种子活力 laser speckle imaging dynamic speckle imaging processing algorithms seed vigor
1 中国医学科学院 北京协和医学院药用植物研究所,北京 100193
2 清华大学 化学系,北京 100084
采用傅里叶变换红外光谱法(FTIR),分析研究了肉苁蓉种子不同部位及其在不同处理后的光谱特征和成分差异。结果显示,肉苁蓉种子成分组成丰富,同时存在蛋白质、脂类和碳水化合物的特征吸收峰,并且推测含有果胶质和芳香类化合物。肉苁蓉种皮和种仁的成分差异很大,2 926,1 746,1 161及721 cm-1 处一系列强峰说明种仁中的油脂类成分含量非常高,而种皮中1 054 cm-1 处碳水化合物和果胶质类的特征吸收峰最强。霉变或高温处理后肉苁蓉种子中与活力相关的蛋白质及糖类含量明显减少,而有活力的种子中蛋白质与脂类所在特征区域的峰高比(I 1 630 /I 1 745 )(cm-1 )均大于1.05。而肉苁蓉种仁失活后酰胺Ⅰ带与脂类特征峰的强度比值(I 1 653 /I 1 745 )由0.31降为0.23,降幅达25.8%。研究表明,红外光谱法不仅可应用于肉苁蓉种子成分的全面快速分析,而且还可更深入应用于种子生活力、种子寿命乃至种子质量的快速分析与测定。
红外光谱 肉苁蓉 种子成分 种子活力 霉变 Fourier transform infrared spectroscopy (FTIR) Cistanche deserticola Seed Components Seed vigor Moldy
