基于近红外光谱技术的水稻种子成分分析模型的建立

对单粒种子样品成分进行快速无损检测,对于作物遗传育种研究有着重要意义。本文采用近红外光谱技术(NIR)和偏最小二乘回归法(PLSR),研究了水稻种子的近红外光谱特性及其与直链淀粉、蛋白质含量的关系,建立了基于NIR的水稻种子成分快速检测模型。通过比较几种不同的光谱预处理方法对于单粒和群体样品模型的效果,对模型进行了优化。结果显示,多元散射校正(MSC)对单粒样品模型的优化作用显著,而一阶导数对单粒和群体样品模型改善都有明显的效果。模型评价参数显示,预测效果良好,为基于NIR的水稻单粒种子成分分析提供技术支撑。     

基于水稻种子近红外特征光谱的品种鉴别方法研究

本文用MPA傅立叶变换近红外光谱仪研究了单粒水稻种子的漫反射光谱特征,发现颖壳对光谱扫描有影响,为了尽量消除这种影响,保证光谱的代表性,应对其上下表面分别进行多次光谱采集,取它们的平均光谱。本文利用种子品种特有的光谱特性,结合不同光谱预处理方法建立了多个聚类分析模型,比较它们对杂交F1代种子"03S/0412"和其父本种子"0412"的鉴别效果。结果显示:选择4000⁸900cm-1光谱范围,通过"无预处理"、"矢量归一化"、"二阶导数(25点平滑)"和"二阶导数(25点平滑)+矢量归一化"建立的模型校正集正确率分别为52.4%、65.2%、75.2%和100%,可见,相比无预处理,经过各种预处理后正确率都有提高,其中"二阶导数(25点平滑)+矢量归一化"建立的模型最好,用该模型对预测集预测,分类正确率也为100%,具有很好的预测性能。这说明近红外光谱技术可用于单粒水稻种子品种真伪性鉴别。     

基于二值化图像结合像元统计法的扑尔敏片剂近红外成像检测参数优化研究

研究药物领域中近红外成像检测参数对高光谱数据质量的影响,建立检测参数优化方法。以扑尔敏片剂为研究对象,采用近红外化学成像技术,考察光谱分辨率、空间分辨率、扫描次数和扫描高度等因素,采用L9 (34) 正交表设计,优化近红外成像检测参数;采用二值化图像法和像元统计法对高光谱数据进行定量分析,测定扑尔敏片剂表面马来酸氯苯那敏含量。以高效液相色谱法作为参考方法,精密测定片剂中马来酸氯苯那敏含量。两种方法测定的含量差值绝对值为考察指标,优化最佳检测条件。结果表明, 扑尔敏片剂的高光谱数据最佳检测条件：空间分辨率25 μm×25 μm,扫描高度-5340(Z值,精确聚焦),光谱分辨率16 cm-1,扫描次数16次。该研究首次优化近红外成像扫描高度参数对高光谱数据质量的影响,优化近红外成像扫描高度等检测参数可用于指导扑尔敏片及其他药物近红外成像数据采集和方法建立。     

高光谱技术无损检测单粒小麦种子生活力的特征波段筛选方法研究

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。     

基于Kalman滤波与DBN的油脂中TFAs含量近红外光谱分析

针对油脂脱臭过程中的反式脂肪酸(TFAs)含量控制问题,提出一种基于近红外光谱分析的油脂中TFAs含量快速检测方法.制备含不同TFAs的大豆油脂样本100个,利用气相色谱(GC)法精确测定其TFAs含量,扫描样本近红外光谱,然后利用不同方法对光谱数据进行降噪处理,发现多元散射校正的去噪效果最佳.为了探讨T FAs在近红...     

乌拉尔甘草单粒种子硬实特性的近红外光谱分析

以乌拉尔甘草种子为材料,采用近红外光谱结合定性偏最小二乘法对244粒种子(硬实种子和非硬实种子比例为1∶1)的硬实性进行了鉴别研究,并特制一样品杯用于单粒种子的光谱采集,以降低人为误差。研究结果表明,4次重复平均光谱所建模型鉴别率显著高于单次光谱所建模型,光谱范围采用4 000～8 000 cm-1时模型效果较好,校正集、检验集、预测集样本的鉴别率分别为95.53%,95.94%和94.53%,采用不同建模样品所建模型其预测准确率均在90%以上,硬实种子和非硬实种子的预测准确率分别为92.50%和96.56%。种子大小和颜色均会影响模型的鉴别率,种子颜色的影响相对更大。     

应用近红外光谱技术快速鉴别玉米杂交种纯度的研究

采用近红外光谱分析技术结合定性偏最小二乘法对农大108玉米杂交种的纯度进行了鉴别研究,实验采用农大108杂交种子与母本178种子各100粒进行单粒光谱扫描(建模集与检验集比例为3:1),结果表明:透射孔直径为3 mm 时,所建模型平均鉴别率为99.82%,显著高于透射孔直径为4.5 mm 时所建模型的鉴别率90.96%;采用胚乳面一次光谱、胚面两次平均光谱、胚乳面两次平均光谱和四次平均光谱进行建模,其平均鉴别率筹异不显著,检验集平均鉴别率均达到99%左右,略高于胚面一次光谱;选择透射孔径3.0 mm,4 000～8 000 cm1 光谱范围,种子胚乳面单次光谱所建立的农大108玉米杂交种的种子纯度鉴定模型的建模集和检验集的鉴别率均达到100%.     

近紫外-可见-短波近红外多光谱成像数据的糯玉米种子热损伤粒的无损快速鉴别

为对糯玉米种子热损伤粒进行无损快速鉴别并探索热损伤过程对糯玉米种子的影响,以糯玉米种子"京科糯2000"为例,用Videometer近紫外-可见-短波近红外多光谱成像仪分别以胚面向上和胚面向下方式采集糯玉米种子对照组及热损伤组多光谱成像数据,分别提取胚面向上胚部、胚面向上胚乳部、胚面向下胚乳部单点多光谱数据,并对胚面向上胚部和胚面向上胚乳部多光谱数据做初级融合;对多光谱数据进行基线校正预处理后计算各光谱数据样本标准差,进而通过光谱数据样本标准差的变化分析热损伤对糯玉米种子各部位的影响;基于多光谱数据采用偏最小二乘-判别分析算法建立糯玉米种子热损伤粒无损鉴别模型,对所建模型进行全交互验证,并与近红外光谱数据模型比较。结果表明,热损伤对糯玉米种子胚、胚乳有不同的影响,多光谱数据和近红外光谱数据表现出一致的变化趋势。采用多光谱数据建立热损伤粒鉴别模型,各模型前3主成分得分3D散点图中,对照组和热损伤组样品表现出一定的分离趋势,校正数据正确率在96%～100%之间,交互验证数据正确率在92%～100%之间,其中,糯玉米种子胚面向上胚部光谱和胚乳部光谱初级融合数据建模效果最好,校正数据正确率10...     

近红外光谱检测技术在害虫检测中的应用

近红外光谱是20 世纪80 年代以来发展最快、最引人注目的光谱分析技术。以其快速、无损伤、操作简单、稳定性好、效率高等特点,在仓储害虫检测、种子害虫侵染检测和林草害虫危害检测中的应用已成为一个活跃的研究领域。而近红外光谱技术在我国害虫检测中的研究和应用则较少,处于刚刚起步阶段。因此,文章介绍了利用近红外光谱技术检测的基本原理, 综述了国内外利用近红外光谱技术检测农林业害虫的应用情况,并对近红外检测技术在害虫检测上的应用进行了展望,以期推动近红外光谱技术在我国害虫检测科技和生产中的应用。     

近红外光谱技术检测种子质量的应用研究进展

作为农业生产最基本的生产资料,种子质量是影响其种用价值的最重要特征。常用的种子质量检测方法存在检测速度慢、具破坏性、预处理过程复杂等问题,因此研究简便快速的种子质量检测方法对于种子质量检验具有重要意义。本文综述了近年来近红外光谱技术检测种子内含物、种子活力及贮藏年份、种子病害和虫害等研究现状及存在的问题。对于水分、淀粉、蛋白质、脂肪酸、胡萝卜素等物质含量,其模型鉴别率较高,对相对含量较低的微量物质鉴别率较低;因高温高湿致活力下降的种子以及贮藏不同年份的种子可以高效鉴别,而因冷害所致的活力较低种子无法鉴别;目前可成功鉴别健康种子与感病种子,并对种子的健康度进行有效的分级,部分真菌性病害的病原菌也可鉴别;可成功鉴别遭虫蚀种子与健康种子,进而区分害虫的种类,但对虫害水平较低的样本和较小幼虫的检测效果不够理想。最后对近红外光谱技术在种子质量检测应用上存在的问题进行了分析与展望,特别是种子行业特有的单粒检测技术,其光谱采集配件的标准化将极大的提高其应用性。     

应用近红外反射和透射光谱法鉴定玉米杂交种的纯度

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。     

基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法。在3 800～10 000 cm-1(波长1 000～2 632 nm)范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散 射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析表明,前8个主成分的累积贡献率达到99.602%。以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型。每个品种 各取30粒共120个样本用于建模,10粒共40个样本用于预测。模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。     

空间分辨光谱和可见/近红外光谱的番茄颜色等级判别

比较分析空间分辨光谱和单点可见/近红外光谱（可见/短波近红外光谱和中波近红外光谱）对番茄颜色的识别能力。根据番茄表面和内部颜色将600个样品分为6个等级（green, breaker, turning, pink, light red和red）。分别利用新型空间分辨光谱系统（550~1 650 nm）,可见/短波近红外光谱仪（400~1 100 nm）和中波近红外光谱仪（900~1 700 nm）采集番茄的空间分辨（spatially-resolved, SR）光谱和单点可见/近红外（SP Vis/NIR）光谱,建立番茄等级的偏最小二乘判别（PLSDA）模型,比较其对番茄颜色等级的预测效果。结果表明, SR光谱组合可在最佳单一SR光谱基础上进一步提高番茄颜色的识别能力,对番茄表面颜色和内部颜色的识别率可分别达到98.8%和84.6%。光源-检测器距离较近的SR光谱对番茄表面颜色的识别有帮助,而光源-检测器距离较远的SR光谱能较好的判别番茄内部颜色。SP NIR光谱在对番茄表面颜色判别中与SR光谱具有一定可比性,其分类准确率可达到95%,但SP Vis/NIR光谱在对番茄内部颜色识别中具有较低的分类准确率,分类结果远不如SR光谱,说明SR光谱比SP Vis/NIR光谱对番茄颜色的判别更具潜力。     

利用近红外光谱快速检测牛奶中三聚氰胺的可行性研究

采集了22个合格液态牛奶样品,并制备了50个掺入不同含量三聚氰胺(0.1～1 500 mg·kg-1)的牛奶样品,应用近红外光谱仪扫描其透射光谱,研究利用近红外光谱快速检测牛奶中三聚氰胺的可行性。采用偏最小二乘法建立近红外光谱与牛奶中三聚氰胺含量之间的定量模型,结果表明近红外光谱受检测限的限制,难以准确预测牛奶中掺入的三聚氰胺的含量。而应用近红外光谱,结合判别偏最小二乘法建立定性模型,则可以实现对合格牛奶及掺入三聚氰胺的牛奶的定性鉴别,正确识别率达100%。因此,基于近红外光谱的检测方法可以初步判断牛奶中是否含有三聚氰胺,作为高效液相色谱法的补充,为定量检测做初步的筛查,可大大提高检测效率。     

一种用于玉米品种鉴别的近红外光谱频率选择方法

提出了一种近红外光谱的频率选择方法用于玉米品种鉴别。首先确定一种衡量特征鉴别能力的准则函数,然后根据该准则函数逐步选出适合于分类的特征频率,并通过去除各频率特征之间的相关性使得优选出的频率特征包含尽可能多的品种类间差异信息,优先选择方差较大的频率特征以减弱噪声的影响。实验结果表明,频率选择大幅度地改善了识别效果,仅使用30维频率特征即可达到94.16%的识别率。随机模拟实验显示,优选出的频率特征的识别效果对频率的小幅随机扰动不敏感,验证了本方法的鲁棒性。     

应用FTIR直接测定法鉴定大豆的品种

利用傅里叶变换红外光谱(FTIR)法测定了8个不同大豆品种的子叶及外表皮的红外光谱,对他们的红外光谱进行了分析,并对其吸收峰进行了归属。通过对各谱图的比较分析发现,不同的大豆品种的红外吸收峰形及峰强有所区别。结果表明： 不同的大豆品种的FTIR有明显的差别,特别是1 800～1 200 cm-1范围内有较大的差异,它反映的主要是蛋白质分子的酰胺Ⅰ带及酰胺Ⅱ带附近,这可能是源于基因的差异。因此FTIR法可用于不同大豆品种的鉴别。     

基于近红外光谱油分检测的玉米单倍体鉴别方法研究

目前,在单倍体育种技术中,可先使用低场核磁共振方法定量测得玉米单倍体与二倍体的油分,再依据二者油分差异鉴别单倍体,该方法在实际育种工作中已取得初步应用,但核磁共振鉴别单倍体方法存在速度慢、价格贵、维护难等缺点,难以获得大范围应用。近红外光谱技术有诸多优点并在各领域取得广泛应用,相关研究也表明该技术可用于玉米单倍体的定性鉴别,但是目前该方法用于鉴别单倍体实验研究时涉及的玉米品种相对较少,对于某些品种识别效果较差,且内部机理类似于黑盒,难以指明单倍体、二倍体两类种子是依据何种物质的差别进行区分,有时难以获得农业领域专家认可。根据花粉直感效应的原理,玉米单倍体与二倍体存在明显的油分区别,通过油分鉴别单倍体原理直观明白,易于被业内专家接受。因此,提出了一种先定量得到油分,再依据定量分析所得油分进行分类的方法,即首先使用玉米单籽粒的近红外光谱定量回归分析得到各籽粒的油分含量,再利用定量分析所得的油分值,并使用最小平方误差方法对单倍体、二倍体混合籽粒进行定性分类。实验结果表明近红外定量分析方法的识别精度与核磁共振方法相当,与几种定性分析方法比较,在训练集规模相同时,近红外定量分析方法所得识别率优于几种定性分析方法,进一步表明近红外定量分析方法鉴别单倍体具有一定优势,可满足育种行业精度要求,能够为尽快实现单倍体工程化育种提供保障。     

自然老化谷类种子的二维红外光谱研究

种粮老化影响种子活力及粮食品质。利用傅里叶变换红外光谱(FT-IR),二阶导数红外光谱(SD-IR)和二维相关红外光谱(2D-IR)方法对不同储藏年份的大麦,小麦,稻谷,玉米和高粱种子进行区分研究。结果显示,原始光谱中几个峰强比有差异;在二阶导数红外光谱中,不同储藏年份种子在1 800～800 cm-1范围内的吸收峰强度和形状显示出差异。二维相关红外光谱结果显示：大麦在1 350～1 800 cm-1,小麦,稻谷,玉米和高粱在860～1 690 cm-1范围内有明显差异,随储藏年份增加,自动峰和交叉峰的数目减少,强度减弱。结果表明,应用傅里叶变换红外光谱结合二维相关红外光谱能有效快速地区分不同储藏年份的谷类种子。     

基于近红外光谱分析的高丹草种子发芽率检测研究

高丹草中粗蛋白质以及碳水化合物的含量丰富,适合青贮处理.优质的高丹草种子是发展畜牧业十分重要的前提,发芽率是检验种子质量最常规的指标之一,播前种子发芽率检测与筛选十分必要.现阶段采用发芽试验法进行种子发芽率的检测,周期长、成本高.基于此,提出利用近红外光谱对高丹草种子进行发芽率的快速、无损检测.选择适量的高丹草种子样品...