[发明专利]基于近红外光谱的水稻单籽粒活力无损检测筛选方法

摘要

本发明公开了一种基于近红外光谱的水稻单籽粒活力无损检测筛选方法，包括样品材料的收集与光谱测定、种子的发芽率测定实验、光谱的预处理和模型的建立四个步骤。本发明是基于近红外光谱检测技术检测水稻种子在活力丧失过程中生化物质的变化，再通过近红外光谱技术，建立模型，快速无损的检测区分高活力与低活力种子。该方法优点在于检测时，水稻样品不需要预处理，无损、快速高效、简便，避免了人工评价过程中的人为因素的干扰，结果更客观、准确。

主权项

一种基于近红外光谱的水稻单籽粒活力无损检测筛选方法，其特征在于，其具体步骤为：     （1）样品材料的收集与光谱测定首先收集不同活力的水稻种子样品，用于模型的建立和校正，实验前需要对种子进行初步的筛选，去掉有虫洞粒、瘪粒，然后使用近红外光谱仪采集种子近红外漫反射光谱，并将光谱图象转换成样本光谱基本数据，同一品种需采集350‑400粒种子的光谱信息，每粒种子也需重复测量，以平均光谱作为该粒种子的建模或预测光谱，光谱采集过程中需要保证环境因素的恒定，以免对所得光谱数据产生影响；（2）种子的发芽率测定实验将采集过近红外光谱的种子用5%的次氯酸钠消毒20‑30分钟，按顺序整齐排列于96孔板内，底部有开口，然后放置于铺有滤纸的大培养皿内，需保证滤纸无菌无毒，不含可溶性色素或其他化学物质，并且种子的发芽情况与其近红外光谱可一一对应，然后将种子在30‑35℃条件下用水浸泡24小时后，每天光照12‑15h，光照强度420‑450μmol/(m2S)，温度28‑30℃，发芽时使培养皿内种子保持湿润，5天初次统计发芽率，14天最后统计发芽率；  （3）光谱的预处理通过因子化算法所得的因子值，采用二阶导数和矢量归一化进行光谱预处理，求导预处理可以把原来隐藏的信号差异放大出来，提高光谱的分辨率，使活力鉴别更加直观、可靠，平滑点数要依据光谱的质量及干扰的情况来选择，光谱范围要依据预处理后光谱信噪比及最终模型的准确率来选择，要建立不同模型，有针对性的选择不同的特征波段，有利于光谱中有效信息的提取；（4）模型的建立采集到的每一条光谱都包含了单粒水稻种子的化学成分信息，利用OPUS软件中的定性分析模块，选用因子化算法提取所需的成分信息，将所有采集到的漫反射光谱定性分为两类，即高活力与低活力种子，建立定性模型，该过程中需要注意对因子值的选用；上述方法所建立的模型必须通过已知发芽与否的水稻种子样品进行外部验证，即将初步建立的模型所预测的死活种子一一单粒进行发芽实验，计算其预测的准确率，当预测准确度达到实验要求时，可在之后的应用中使用该模型。