水稻种子近红外吸收光谱分析及检测研究
发布时间：2021-12-31 04:59
水稻是当今世界上最重要的主食之一,对水稻种子的品质进行筛选,能够有效提高水稻产量。而近红外光谱（Near infrared spectroscopy,NIRS）分析技术,由于具有快速、无损等优点,被广泛应用于单粒谷物种子的定性与定量分析中。近红外光谱分析技术能够在不破坏样品的情况下,更加精确快速地获取具有目标性状的种子,克服了传统水稻种子活力检测方法工作量大、耗时长及不环保等问题,将近红外光谱分析技术应用于谷物分析已成为当今农业品质监测的发展趋势。本文基于近红外光谱技术优异的分析特性,将近红外光谱分析作为水稻种子活力的检测手段,针对选种应用中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,设计、搭建了一种适用于完整水稻种子的近红外吸收光谱检测系统。利用该系统的检测数据,结合多元分析,建立了一种水稻种子活力分级的判别模型,实现了对不同活力水平水稻种子的无损分级检测。本论文的工内容主要包括以下4个部分:（1）提出了采用透射式测量方式检测水稻种子光谱,根据完整水稻种子带有稃壳减弱透射光强的特点,构建了一种基于近红外超连续激光光谱的完整水稻种子透射光谱检测系统。...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
近红外光谱区各种基团的倍频与组合频光谱分布[55]
水稻种子活力判别模型的校正过程与验证过程
第3章水稻种子吸收光谱检测系统设计21第3章水稻种子吸收光谱检测系统设计为了实现对水稻种子内部物质吸收光谱的准确检测，需要根据水稻种子的结构特征分析其光学特性，选择适用的检测方式设计光谱检测系统，并结合实际需求设计系统中的各组成器件，最终完成光学系统的搭建。3.1水稻种子结构特征及近红外光谱采集方法研究水稻的种子的结构如图3.1所示，完整的水稻种子由稃壳和糙米两部分组成，稃壳包裹在种子外部，外层的稃壳称为外稃，内层的稃壳称为内稃，两片稃壳边缘互相勾合，能够保护内部器官避免病虫等的侵入[78]。糙米包含种皮、胚乳和胚三个部分，其中胚是水稻种子发芽与否的决定因素，如果胚受到损伤稻种便不能萌发。糙米中的胚乳占糙米总重量的98%，其主要成分为淀粉、蛋白质及脂肪等有机物，是水稻种子萌发及幼苗生长初期的营养来源[79]。图3.1水稻种子结构示意图Figure3.1Schematicdiagramofriceseedstructure在物理上稃壳和糙米的颜色、密度和形态均有不同，在化学上稃壳和糙米的蛋白质、脂肪、淀粉、纤维素等化学物质的组成也不同，而对水稻种子活力起主要作用的物质是种子内部糙米中的化学成分，因此在种子活力检测中要尽量增强糙米的信息而减少稃壳对测量结果的影响[80]。近红外光谱检测一般采用反射光谱法或透射光谱法。采用反射式检测方式时，光源发出的光进入待测样品内部，在样品内部经过多次反射、折射、散射及吸收后重新返回样品表面，与样品内部分子发生作用后的光便携带着样品内部成分与含量信息。由于近红外光具有很强的
【参考文献】：
期刊论文
[1]光学无创血糖浓度检测方法的研究进展[J]. 郭帅,苏杭,黄星灿,刘剑. 中国光学. 2019(06)
[2]不同类型水稻种子活力的比较研究[J]. 杨翠,田宏跃,覃廷英,余显权,秦建权,周丽洁. 种子. 2019(11)
[3]基于高光谱图像的黄瓜种子活力无损检测[J]. 王新忠,卢青,张晓东,吴又新,承银辉. 江苏农业学报. 2019(05)
[4]量子级联激光光谱在土壤生态系统中的应用[J]. 刘宁武,许林广,周胜,何天博,李劲松. 光学学报. 2019(11)
[5]红提糖度和硬度的高光谱成像无损检测[J]. 高升,王巧华,付丹丹,李庆旭. 光学学报. 2019(10)
[6]基于基线漂移模型的气体光谱自动基线校正[J]. 王昕,吕世龙,李岩,尉昊赟,陈夏. 光谱学与光谱分析. 2018(12)
[7]油菜籽的傅里叶变换红外光谱鉴别[J]. 董盈红. 保山学院学报. 2018(02)
[8]基于光谱指数的蜜橘成熟度评价模型研究[J]. 刘燕德,叶灵玉,孙旭东,韩如冰,肖怀春,马奎荣,朱丹宁,吴明明. 中国光学. 2018(01)
[9]基于声光可调谐滤光器的成像光谱仪系统设计[J]. 朱海波,关松. 光电技术应用. 2017(06)
[10]影响稻米垩白的因素及育种改良措施[J]. 张丽娟. 中国农业信息. 2017(22)
博士论文
[1]棱镜—光栅型短波红外成像光谱仪关键技术研究[D]. 陈建军.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2019
[2]人体血红蛋白近红外光谱无创分析方法研究[D]. 袁境泽.中国科学院长春光学精密机械与物理研究所 2017
[3]我国种子质量可追溯系统研究[D]. 王岳含.中国农业科学院 2016
[4]近红外光谱技术在人体血糖无创检测中的应用研究[D]. 张洪艳.中国科学院研究生院（长春光学精密机械与物理研究所） 2005
硕士论文
[1]基于近红外光谱数据的水稻种子活力预测模型研究[D]. 曲歌.黑龙江八一农垦大学 2019
[2]拉曼光谱预处理关键技术研究[D]. 白静.合肥工业大学 2019
[3]水稻种子活力测定方法的初步研究[D]. 何龙生.浙江农林大学 2018
[4]基于近红外光谱的水稻种子老化程度研究[D]. 高艳琪.黑龙江八一农垦大学 2017
[5]基于高光谱图像的脱绒棉种活力检测方法研究[D]. 尤佳.石河子大学 2017
[6]基于近红外光谱的单籽粒水稻种子品质检测的方法研究[D]. 王纯阳.中国科学技术大学 2017
[7]基于偏振干涉的傅里叶变换光谱技术研究[D]. 沈燕.南京理工大学 2017
[8]基于振动光谱融合的乳粉掺假诊断新技术研究[D]. 骆文欣.天津大学 2017
[9]基于拉曼光谱技术和化学计量学方法的大米品种产地的快速鉴别方法[D]. 孙娟.江南大学 2016
[10]基于近红外光谱技术快速检测稻米营养品质和加工精度的研究[D]. 周军琴.甘肃农业大学 2016
本文编号：3559658
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
近红外光谱区各种基团的倍频与组合频光谱分布[55]
水稻种子活力判别模型的校正过程与验证过程
第3章水稻种子吸收光谱检测系统设计21第3章水稻种子吸收光谱检测系统设计为了实现对水稻种子内部物质吸收光谱的准确检测，需要根据水稻种子的结构特征分析其光学特性，选择适用的检测方式设计光谱检测系统，并结合实际需求设计系统中的各组成器件，最终完成光学系统的搭建。3.1水稻种子结构特征及近红外光谱采集方法研究水稻的种子的结构如图3.1所示，完整的水稻种子由稃壳和糙米两部分组成，稃壳包裹在种子外部，外层的稃壳称为外稃，内层的稃壳称为内稃，两片稃壳边缘互相勾合，能够保护内部器官避免病虫等的侵入[78]。糙米包含种皮、胚乳和胚三个部分，其中胚是水稻种子发芽与否的决定因素，如果胚受到损伤稻种便不能萌发。糙米中的胚乳占糙米总重量的98%，其主要成分为淀粉、蛋白质及脂肪等有机物，是水稻种子萌发及幼苗生长初期的营养来源[79]。图3.1水稻种子结构示意图Figure3.1Schematicdiagramofriceseedstructure在物理上稃壳和糙米的颜色、密度和形态均有不同，在化学上稃壳和糙米的蛋白质、脂肪、淀粉、纤维素等化学物质的组成也不同，而对水稻种子活力起主要作用的物质是种子内部糙米中的化学成分，因此在种子活力检测中要尽量增强糙米的信息而减少稃壳对测量结果的影响[80]。近红外光谱检测一般采用反射光谱法或透射光谱法。采用反射式检测方式时，光源发出的光进入待测样品内部，在样品内部经过多次反射、折射、散射及吸收后重新返回样品表面，与样品内部分子发生作用后的光便携带着样品内部成分与含量信息。由于近红外光具有很强的
【参考文献】：
期刊论文
[1]光学无创血糖浓度检测方法的研究进展[J]. 郭帅,苏杭,黄星灿,刘剑. 中国光学. 2019(06)
[2]不同类型水稻种子活力的比较研究[J]. 杨翠,田宏跃,覃廷英,余显权,秦建权,周丽洁. 种子. 2019(11)
[3]基于高光谱图像的黄瓜种子活力无损检测[J]. 王新忠,卢青,张晓东,吴又新,承银辉. 江苏农业学报. 2019(05)
[4]量子级联激光光谱在土壤生态系统中的应用[J]. 刘宁武,许林广,周胜,何天博,李劲松. 光学学报. 2019(11)
[5]红提糖度和硬度的高光谱成像无损检测[J]. 高升,王巧华,付丹丹,李庆旭. 光学学报. 2019(10)
[6]基于基线漂移模型的气体光谱自动基线校正[J]. 王昕,吕世龙,李岩,尉昊赟,陈夏. 光谱学与光谱分析. 2018(12)
[7]油菜籽的傅里叶变换红外光谱鉴别[J]. 董盈红. 保山学院学报. 2018(02)
[8]基于光谱指数的蜜橘成熟度评价模型研究[J]. 刘燕德,叶灵玉,孙旭东,韩如冰,肖怀春,马奎荣,朱丹宁,吴明明. 中国光学. 2018(01)
[9]基于声光可调谐滤光器的成像光谱仪系统设计[J]. 朱海波,关松. 光电技术应用. 2017(06)
[10]影响稻米垩白的因素及育种改良措施[J]. 张丽娟. 中国农业信息. 2017(22)
博士论文
[1]棱镜—光栅型短波红外成像光谱仪关键技术研究[D]. 陈建军.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2019
[2]人体血红蛋白近红外光谱无创分析方法研究[D]. 袁境泽.中国科学院长春光学精密机械与物理研究所 2017
[3]我国种子质量可追溯系统研究[D]. 王岳含.中国农业科学院 2016
[4]近红外光谱技术在人体血糖无创检测中的应用研究[D]. 张洪艳.中国科学院研究生院（长春光学精密机械与物理研究所） 2005
硕士论文
[1]基于近红外光谱数据的水稻种子活力预测模型研究[D]. 曲歌.黑龙江八一农垦大学 2019
[2]拉曼光谱预处理关键技术研究[D]. 白静.合肥工业大学 2019
[3]水稻种子活力测定方法的初步研究[D]. 何龙生.浙江农林大学 2018
[4]基于近红外光谱的水稻种子老化程度研究[D]. 高艳琪.黑龙江八一农垦大学 2017
[5]基于高光谱图像的脱绒棉种活力检测方法研究[D]. 尤佳.石河子大学 2017
[6]基于近红外光谱的单籽粒水稻种子品质检测的方法研究[D]. 王纯阳.中国科学技术大学 2017
[7]基于偏振干涉的傅里叶变换光谱技术研究[D]. 沈燕.南京理工大学 2017
[8]基于振动光谱融合的乳粉掺假诊断新技术研究[D]. 骆文欣.天津大学 2017
[9]基于拉曼光谱技术和化学计量学方法的大米品种产地的快速鉴别方法[D]. 孙娟.江南大学 2016
[10]基于近红外光谱技术快速检测稻米营养品质和加工精度的研究[D]. 周军琴.甘肃农业大学 2016
本文编号：3559658
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3559658.html
教材专著
