[发明专利]一种基于近红外作物单籽粒成分无损检测筛选方法

权利要求书

1.一种基于近红外作物单籽粒成分无损检测筛选方法，其特征在于：具体包括以下步骤：

(1)标准或参考样品单粒光谱集的建立：

首先对各种标准作物种子样品进行近红外检测，将光谱图象转换成样本光谱基本数据；测量各种标准作物种子样品的光谱；一般同一样品需多次重复测量，不同批号的样品也需重复测量，以平均光谱近似作为该样品标准光谱，以建立标准或参考样品单粒光谱集；

(2)不同材料单粒成分数据库的建立：

对各种标准作物种子样品的化学成分定量检测，从而建立各种标准作物种子样品的单粒成分数据库；

(3)不同材料单粒成分鉴别模型的建立：

利用相应的统计分析软件，分析各种标准作物种子样品的单粒成分数据及其光谱信息的相关性，建立各种标准作物种子样品的单粒成分与光谱信息的鉴别模型；确定标准作物种子样品单粒所含有的各化学成分及其光谱阈值，这个阈值就是鉴定新待识别作物种子中是否含有该化学成分的标准；

(4)待识别作物种子单粒成分的分析：

采集传送带上正在分拣的待识别作物种子单粒的近红外光谱信息，再和鉴别模型中标准作物种子的成分所对应的光谱信息进行比较分析，以阈值作为标准，从而判断待识别作物种子中是否含有某化学成分及其大小；

(5)对样品的自动分选：

如果待识别作物种子的近红外光谱和鉴别模型比较，符合设定的预期，则待识别作物种子样品在传送带的输送下直接进入良品收集区，否则当待识别作物种子样品到达分选区时，喷阀喷出高速气流将其吹入次品收集区，从而实现样品的自动筛选；

所述的作物种子为水稻、小麦、玉米等。

2.根据权利要求1所述的基于近红外作物单籽粒成分无损检测筛选方法，其特征在于：

所述的光谱信息经过了下列的校正与预处理：

获得光谱信息后，进行光谱校正，使光谱图的规范化、抵消背景干扰及提高光谱的质量，采用平滑、中心、求导、归一化、多元散射校正、SNV、Reduce、Noise中的一种、任意二种或任意三种进行光谱预处理，采用何种校正方法要依光谱的质量及干扰的情况来选择，预处理也可以把原来隐藏的信号差异放大出来，提高光谱的分辨率，使品种鉴别更加直观、可靠；

3.根据权利要求1所述的基于近红外作物单籽粒成分无损检测筛选方法，其特征在于：

所述的比较分析是在近红外光谱鉴别作物种子品种的定性判别分析更多依靠若干个峰组或频率段甚至全光谱来进行定性判别，包括偏差权重法、Kruskal-Wallistesting检验、主成分分析、偏最小二乘法、DPLS、SIMCA、LLM、Fisher判别、KNN、小波分析或ANN特征筛选方法来提取光谱特征以提高分析鉴别结果的可靠性。

4.根据权利要求1所述的基于近红外作物单籽粒成分无损检测筛选方法，其特征在于：

所述鉴别模型是指：对于单粒的作物种子样品，确定未知样品属于某一种类，采用模式识别来进行鉴别，鉴别作物种子品种的模式识别方法用Fisher判别、Bayes判别、逐步判别、线性学习机、KNN、SIMCA、DPLS、聚类分析、最小二乘回归、欧式距离或神经网络；以模式识别来进行判别分析，需要将已知不同化学成分标准作物种子样品的光谱分成学习集和检验集两部分，划分的依据是学习集和检验集中的类别种类应相同，具有广泛的代表性；然后对不同化学成分作物种子样品依先验知识进行赋初值，来建立不同成分鉴别模型，然后用检验集来评价模型的性能。