【摘要】：隨著社會(huì)的進(jìn)步,人們對(duì)高品質(zhì)食物的需求日益增長。水稻是重要糧食作物之一。種子的真實(shí)性是影響水稻產(chǎn)量和質(zhì)量的關(guān)鍵。生產(chǎn)過程中客觀產(chǎn)生的種子品類混雜,或人為因素造成的種子以次充好,會(huì)嚴(yán)重影響水稻種植的產(chǎn)量和質(zhì)量,也是國家種子法所不容許的。因此,種子鑒別是必不可少的環(huán)節(jié)。但現(xiàn)有的人工方法落后且準(zhǔn)確性低,其它的實(shí)驗(yàn)室方法復(fù)雜、耗時(shí)、昂貴,迫切需要一種簡便快捷且有效的檢測新技術(shù)。近紅外光譜是一種快速、簡便的綠色分析技術(shù),已經(jīng)應(yīng)用于農(nóng)產(chǎn)品主要成分的無損快速分析。但近紅外光譜用于種子鑒別的研究工作仍不多見,尤其是對(duì)于種子混雜的準(zhǔn)確判別分析,由于問題的復(fù)雜性,目前尚未解決。本研究以水稻品種越兩優(yōu)-165(R1)的種子156份作為鑒別樣品(陰性),以水稻品種富兩優(yōu)-2168(R2)、南桂占(R3)、南晶占(R4)、粵金油占(R5)和粵油絲苗(R6)的種子各15份以及R1中混入不同比例的其它品種種子的混合樣品81份共156份作為干擾樣品(陽性)。(1)方法研究1)采用標(biāo)準(zhǔn)正態(tài)變量校正(SNV)作為光譜預(yù)處理方法;偏最小二乘判別分析(PLS-DA)作為光譜模式識(shí)別方法;移動(dòng)窗口(MW)、等間隔組合(EC)作為波長篩選方法;提出SNV-MW-PLS-DA、SNV-EC-PLS-DA等光譜判別分析的集成優(yōu)化方法。2)提出更為簡潔的雙相關(guān)系數(shù)(BiCC)作為光譜模式識(shí)別方法;在此基礎(chǔ)上,提出SNV-MW-BiCC、SNV-EC-BiCC等光譜判別分析的集成優(yōu)化方法。3)進(jìn)一步,提出等效最優(yōu)模型空間及其簡化方法。(2)實(shí)驗(yàn)研究1)構(gòu)建定標(biāo)、預(yù)測、檢驗(yàn)的樣品劃分體系:隨機(jī)選96樣品用于檢驗(yàn),余下216樣品隨機(jī)劃分為定標(biāo)(120份)、預(yù)測(96份),共劃分20次。在定標(biāo)-預(yù)測的建模過程進(jìn)行參數(shù)優(yōu)化;在檢驗(yàn)過程,采用不參與建模的樣品數(shù)據(jù)對(duì)所建立的模型進(jìn)行檢驗(yàn)。2)通過與其它多種方法進(jìn)行比較,SNV-EC-PLS-DA方法達(dá)到了最好的建模效果,建模、檢驗(yàn)的總識(shí)別率分別達(dá)到100%、98%。等效最優(yōu)模型空間包含25個(gè)波長模型,它們集中在可見與短波近紅外相連的750-1100 nm譜區(qū)。3)SNV-EC-BiCC方法的建模、檢驗(yàn)的總識(shí)別率分別達(dá)到98%、97%。結(jié)果表明:近紅外光譜結(jié)合SNV-EC-PLS-DA、SNV-EC-BiCC等方法可用于水稻種子鑒別的高精度無損判別分析。等間隔組合波長選擇方法可以有效剔除冗余波長、提取信息波長,同時(shí)降低模型復(fù)雜度。所提出的波段模型,可用于小型專用光譜儀的設(shè)計(jì)。所提出的分析方法簡單、快速、有效,在我國水稻種子檢測領(lǐng)域具有重要應(yīng)用前景。
【學(xué)位授予單位】：暨南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S511
【圖文】：

暨南大學(xué)碩士學(xué)位論文交水稻育種過程尤為突出，也容易在制種過程中引起機(jī)械混雜[2]。具有產(chǎn)量高，抗性好等優(yōu)點(diǎn)的雜交水稻可以將不同品種的優(yōu)良性狀結(jié)合起來，自 1976 年起，便開始在我國大面積推廣種植[3-4]，從圖 1.1 和圖 1.2 可以看出母本不育系必須接受其它植株的花粉才能結(jié)實(shí)，而在接受花粉的過程中，均有可能發(fā)生父本混雜，從圖 1.2 可以看出兩系法[5]生產(chǎn)雜交水稻種子的過程中，容易因?yàn)榄h(huán)境條件控制不夠嚴(yán)格，導(dǎo)致部分母本自交而引起種子混雜。這顯示在雜交水稻育種過程中存在著許多非主觀人為因素造成種子混雜。綜上所述水稻種子的鑒別是十分有必要和有實(shí)際意義的。

圖 1.2 兩系法雜交水稻生產(chǎn)流程示意圖（ 表示雜交， 表示自交）.1.2 水稻種子鑒別的技術(shù)現(xiàn)狀目前應(yīng)用于水稻種子的鑒別方面的常規(guī)方法有形態(tài)鑒定法[6]、化學(xué)法[7]、幼苗法[間小區(qū)種植法[9]等。近年發(fā)展起了分子鑒定方法，如蛋白質(zhì)薄層電泳技術(shù)[10]，S子標(biāo)記鑒定技術(shù)[11-12]等。

暨南大學(xué)碩士學(xué)位論文11圖1.5 水稻種子的近紅外光譜判別分析技術(shù)路線本研究內(nèi)容包括以下幾方面：（一）水稻種子樣品及近紅外光譜數(shù)據(jù)庫的構(gòu)建：收集具有一定數(shù)量和代表性的樣品集，測定這批樣品的近紅外光譜，同時(shí)采用國標(biāo)上規(guī)定的常規(guī)檢測方法測定樣品性質(zhì)，構(gòu)建樣品類別變量數(shù)據(jù)庫和近紅外光譜數(shù)據(jù)庫。（二）光譜預(yù)處理及光譜判別分析的建模：利用光譜預(yù)處理方法(SNV、MSC 等)對(duì)光譜數(shù)據(jù)進(jìn)行校正，再基于樣品的類別變量和近紅外原光譜、校正光譜，分別進(jìn)行計(jì)算機(jī)實(shí)驗(yàn)。結(jié)合計(jì)算機(jī)模式識(shí)別 PLS-DA 和 BiCC 方法，構(gòu)建相應(yīng)的判別分析模型。（三）波長模型的優(yōu)化研究：使用不同方法進(jìn)行波長選擇。（1）在全掃描譜區(qū)的不同波段分別使用原光譜、SNV 校正光譜直接建立 PLS-DA、SNV-PLS-DA、BiCC 和SNV-BiCC 模型；（2）將移動(dòng)窗口（MW）波段選擇方法分別與 PLS-DA 和 BiCC 集成創(chuàng)新，建立各個(gè)子波段的模型再進(jìn)一步篩選（3）創(chuàng)造性地將等間隔組合（EC）波長選擇方法與 PLS-DA 和 BiCC 集成創(chuàng)新，遍歷所有參數(shù)組合模型后，再逐一優(yōu)化篩選，優(yōu)選出高信噪比的模型及其參數(shù)。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林夢倩;薛陶;胡帥棟;曹棟棟;紀(jì)昊;趙光武;;雜交水稻種子大小、粒重對(duì)其活力影響的初步分析[J];種子;2014年09期

2 劉偉;劉長虹;鄭磊;;基于支持向量機(jī)的多光譜成像稻谷品種鑒別[J];農(nóng)業(yè)工程學(xué)報(bào);2014年10期

3 梁劍;劉斌美;陶亮之;吳躍進(jìn);;基于水稻種子近紅外特征光譜的品種鑒別方法研究[J];光散射學(xué)報(bào);2013年04期

4 譚亮魁;楊琴;王文凱;;基于光致發(fā)光光譜的水稻品種快速鑒別研究[J];中國農(nóng)學(xué)通報(bào);2012年33期

5 劉振堯;潘濤;;可見-近紅外光譜測定血紅蛋白的等效波段選擇[J];光學(xué)精密工程;2012年10期

6 潘濤;吳振濤;陳華舟;;土壤總氮近紅外光譜分析的波段優(yōu)選[J];分析化學(xué);2012年06期

7 謝軍;潘濤;陳潔梅;陳華舟;任小煥;;血糖近紅外光譜分析的Savitzky-Golay平滑模式與偏最小二乘法因子數(shù)的聯(lián)合優(yōu)選[J];分析化學(xué);2010年03期

8 褚小立;許育鵬;陸婉珍;;用于近紅外光譜分析的化學(xué)計(jì)量學(xué)方法研究與應(yīng)用進(jìn)展[J];分析化學(xué);2008年05期

9 李曉麗;唐月明;何勇;應(yīng)霞芳;;基于可見/近紅外光譜的水稻品種快速鑒別研究[J];光譜學(xué)與光譜分析;2008年03期

10 劉之熙;陳祖武;朱克永;李召華;詹慶才;;利用SSR分子標(biāo)記快速鑒定雜交水稻種子純度技術(shù)體系的優(yōu)化[J];雜交水稻;2008年01期

本文編號(hào)：2747517