水稻种子鉴别的近红外光谱快速无损分析

发布时间：2020-07-09 13:23

【摘要】：随着社会的进步,人们对高品质食物的需求日益增长。水稻是重要粮食作物之一。种子的真实性是影响水稻产量和质量的关键。生产过程中客观产生的种子品类混杂,或人为因素造成的种子以次充好,会严重影响水稻种植的产量和质量,也是国家种子法所不容许的。因此,种子鉴别是必不可少的环节。但现有的人工方法落后且准确性低,其它的实验室方法复杂、耗时、昂贵,迫切需要一种简便快捷且有效的检测新技术。近红外光谱是一种快速、简便的绿色分析技术,已经应用于农产品主要成分的无损快速分析。但近红外光谱用于种子鉴别的研究工作仍不多见,尤其是对于种子混杂的准确判别分析,由于问题的复杂性,目前尚未解决。本研究以水稻品种越两优-165(R1)的种子156份作为鉴别样品(阴性),以水稻品种富两优-2168(R2)、南桂占(R3)、南晶占(R4)、粤金油占(R5)和粤油丝苗(R6)的种子各15份以及R1中混入不同比例的其它品种种子的混合样品81份共156份作为干扰样品(阳性)。(1)方法研究1)采用标准正态变量校正(SNV)作为光谱预处理方法;偏最小二乘判别分析(PLS-DA)作为光谱模式识别方法;移动窗口(MW)、等间隔组合(EC)作为波长筛选方法;提出SNV-MW-PLS-DA、SNV-EC-PLS-DA等光谱判别分析的集成优化方法。2)提出更为简洁的双相关系数(BiCC)作为光谱模式识别方法;在此基础上,提出SNV-MW-BiCC、SNV-EC-BiCC等光谱判别分析的集成优化方法。3)进一步,提出等效最优模型空间及其简化方法。(2)实验研究1)构建定标、预测、检验的样品划分体系:随机选96样品用于检验,余下216样品随机划分为定标(120份)、预测(96份),共划分20次。在定标-预测的建模过程进行参数优化;在检验过程,采用不参与建模的样品数据对所建立的模型进行检验。2)通过与其它多种方法进行比较,SNV-EC-PLS-DA方法达到了最好的建模效果,建模、检验的总识别率分别达到100%、98%。等效最优模型空间包含25个波长模型,它们集中在可见与短波近红外相连的750-1100 nm谱区。3)SNV-EC-BiCC方法的建模、检验的总识别率分别达到98%、97%。结果表明:近红外光谱结合SNV-EC-PLS-DA、SNV-EC-BiCC等方法可用于水稻种子鉴别的高精度无损判别分析。等间隔组合波长选择方法可以有效剔除冗余波长、提取信息波长,同时降低模型复杂度。所提出的波段模型,可用于小型专用光谱仪的设计。所提出的分析方法简单、快速、有效,在我国水稻种子检测领域具有重要应用前景。
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S511
【图文】：

三系法杂交,水稻生产,自交,流程

暨南大学硕士学位论文交水稻育种过程尤为突出，也容易在制种过程中引起机械混杂[2]。具有产量高，抗性好等优点的杂交水稻可以将不同品种的优良性状结合起来，自 1976 年起，便开始在我国大面积推广种植[3-4]，从图 1.1 和图 1.2 可以看出母本不育系必须接受其它植株的花粉才能结实，而在接受花粉的过程中，均有可能发生父本混杂，从图 1.2 可以看出两系法[5]生产杂交水稻种子的过程中，容易因为环境条件控制不够严格，导致部分母本自交而引起种子混杂。这显示在杂交水稻育种过程中存在着许多非主观人为因素造成种子混杂。综上所述水稻种子的鉴别是十分有必要和有实际意义的。

示意图,自交,生产流程,水稻种子

图 1.2 两系法杂交水稻生产流程示意图（表示杂交，表示自交）.1.2 水稻种子鉴别的技术现状目前应用于水稻种子的鉴别方面的常规方法有形态鉴定法[6]、化学法[7]、幼苗法[间小区种植法[9]等。近年发展起了分子鉴定方法，如蛋白质薄层电泳技术[10]，S子标记鉴定技术[11-12]等。

技术路线图,水稻种子,判别分析,近红外光谱

暨南大学硕士学位论文11图1.5 水稻种子的近红外光谱判别分析技术路线本研究内容包括以下几方面：（一）水稻种子样品及近红外光谱数据库的构建：收集具有一定数量和代表性的样品集，测定这批样品的近红外光谱，同时采用国标上规定的常规检测方法测定样品性质，构建样品类别变量数据库和近红外光谱数据库。（二）光谱预处理及光谱判别分析的建模：利用光谱预处理方法(SNV、MSC 等)对光谱数据进行校正，再基于样品的类别变量和近红外原光谱、校正光谱，分别进行计算机实验。结合计算机模式识别 PLS-DA 和 BiCC 方法，构建相应的判别分析模型。（三）波长模型的优化研究：使用不同方法进行波长选择。（1）在全扫描谱区的不同波段分别使用原光谱、SNV 校正光谱直接建立 PLS-DA、SNV-PLS-DA、BiCC 和SNV-BiCC 模型；（2）将移动窗口（MW）波段选择方法分别与 PLS-DA 和 BiCC 集成创新，建立各个子波段的模型再进一步筛选（3）创造性地将等间隔组合（EC）波长选择方法与 PLS-DA 和 BiCC 集成创新，遍历所有参数组合模型后，再逐一优化筛选，优选出高信噪比的模型及其参数。

【参考文献】