[发明专利]水稻种子品种真实性鉴别模型的构建方法及其应用

说明书

技术领域

本发明涉及水稻种子鉴别，具体地说，涉及水稻种子品种真实性鉴别模型的构建方法及其应用。

背景技术

农为邦本，在农业生产过程当中种子是极其重要的生产资料，种子质量的优劣会直接影响粮食的产量、品质及其效益等。在我国这个市场经济快速发展，地域辽阔，人口众多的国家，种子市场的监管力度还不够，相关法律法规和监管机制还不完善，给了一些不法分子以可乘之机，市场上的假冒伪劣等违法现象频有发生，不法分子利用非本品牌的种子来以假乱真，冒充其他知名品种或用本品牌种子同父异母或同母异父的种子替代本品牌种子，严重侵害农民利益，扰乱市场秩序，影响我国的粮食生产安全，给相关检验机构和执法部门带来很大的困扰。水稻种子真实性及纯度已成为育种部门、制种单位、种业集团以及质检行政部门共同关注的问题。

传统的水稻真实性鉴别方法例如：叶色标记法，该方法是指一种通过肉眼就就可识别的外部标记特征，将该标记应用于不育系，便可根据叶色所表现出的差异筛选出不育系杂交种子。(李小林等，2007；胡景涛等，2009)。叶色标记法虽具有准确性高及直观的优点，但受限于筛选相应的不育系需要耗费很长的周期，而且对于那些无叶色标记的品种，该纯度鉴定方法也不适用；李雪等(2014)利用SSR和SNP两种技术分析鉴定玉米品种真实性，基于SNP芯片平台检测获得了3072个SNP位点。Kenneth等(2009)对20个水稻品种进行SNP分析，测序的100Mb的基因组中共检测到了160,000个非冗余SNP，可以反映出20个品种间的遗传历史关系以及一些与农艺性状有关的基因渐渗区域。对于以上所介绍的品种鉴定方法都可作为水稻品种的鉴别方法，但都存在一定的局限性，不能成为一种兼具成本低、无损、检测快速、操作简便、环境友好型的检测方法，也不能做到对鉴定的样本的筛选。

近红外光谱技术在种子方面研究目前相对较少，如李君霞等(2006)以191份具有代表性的糙米样品材料为实验对象，利用偏最小二乘法(MPLS)建立模型，并借助训练集和测试集两个载荷向量的二维得分空间投影图对建立的糙米粗蛋白含量模型进行评价及优化，使得外部检验的目标函数值为0.687，校正模型的目标函数值为0.701，验证了目标函数是评价及优化模型的一个有效指标。但其发明为对种子进行定量分析，不能针对种子做定性分析，进行种子真实性鉴别。

再如W.Kong等(2013)利用近红外高光谱成像技术结合多元数据分析方法对4个水稻品种进行鉴别，对比最优光谱区段与全波段的鉴别结果，全波段光谱建立的模型效果好于最优波段选择建立的模型，其中PLS-DA和KNN模型正确鉴别率在80％以上，但由于其对于降维方式的和维度的选取未达到最优效果导致模型的正确识别率未能达到更为理想的程度。

发明内容

为了解决现有技术中存在的问题，本发明的目的是提供一种水稻种子品种真实性的鉴别方法。

为了实现本发明目的，本发明技术方案如下：

本发明首先提供了水稻种子品种真实性鉴别模型的构建方法，包括如下步骤：

S1.采集样品漫反射或漫透射光谱；

S2.光谱预处理：选择有效波长，增大信噪比，消除干扰；

S3.光谱特征提取：利用PCA+LDA对数据降维；

S4.采用仿生模式识别方法建立模型。

进一步地，采集样品漫反射或漫透射光谱后，剔除异常光谱，获得样品的原始光谱。两种方式只有光谱采集的过程不同，后期处理完全一样，包括建模都一样，光谱采集后就得到的是原始光谱数据，漫反射和漫透射只影响采集过程，之后的工作并不涉及。

采集漫反射或漫透射光谱采用MircroNIR-1700微型近红外光谱仪(JDSUniphase[JDSU]Corporation,Milpitas，编号S1-00239)，产自美国JDSU公司。仪器的分辨率：12.5nm，扫描谱区范围：900～1650nm。数据分析软件为Matlab2011b。

作为优选，所述样品为同一时间种植，收获时处于不同成熟度、但进行光谱采集前对种子进行统一处理，保证含水量处于同一水平。当样品满足上述条件时，能提高模型精度。采集样品图谱时设50次重复，以平均光谱近似作为该样品光谱。

进一步地，所述S1为采集300个样本以上的样品，进行至少50次的重复。能够更好的使构建的鉴别模型具有更高的容变性,稳定性，适用于更广泛的样品以及更复杂的样品真实性鉴别。