水稻是當今世界上最重要的主食之一,對水稻種子的品質(zhì)進行篩選,能夠有效提高水稻產(chǎn)量。而近紅外光譜（Near infrared spectroscopy,NIRS）分析技術,由于具有快速、無損等優(yōu)點,被廣泛應用于單粒谷物種子的定性與定量分析中。近紅外光譜分析技術能夠在不破壞樣品的情況下,更加精確快速地獲取具有目標性狀的種子,克服了傳統(tǒng)水稻種子活力檢測方法工作量大、耗時長及不環(huán)保等問題,將近紅外光譜分析技術應用于谷物分析已成為當今農(nóng)業(yè)品質(zhì)監(jiān)測的發(fā)展趨勢。本文基于近紅外光譜技術優(yōu)異的分析特性,將近紅外光譜分析作為水稻種子活力的檢測手段,針對選種應用中對于帶稃殼水稻種子活力分級檢測的迫切需求,以及現(xiàn)有通用的糙米檢測技術存在的問題,設計、搭建了一種適用于完整水稻種子的近紅外吸收光譜檢測系統(tǒng)。利用該系統(tǒng)的檢測數(shù)據(jù),結合多元分析,建立了一種水稻種子活力分級的判別模型,實現(xiàn)了對不同活力水平水稻種子的無損分級檢測。本論文的工內(nèi)容主要包括以下4個部分:（1）提出了采用透射式測量方式檢測水稻種子光譜,根據(jù)完整水稻種子帶有稃殼減弱透射光強的特點,構建了一種基于近紅外超連續(xù)激光光譜的完整水稻種子透射光譜檢測系統(tǒng)。... 

【文章來源】：中國科學院大學(中國科學院長春光學精密機械與物理研究所)吉林省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

近紅外光譜區(qū)各種基團的倍頻與組合頻光譜分布[55]

水稻種子活力判別模型的校正過程與驗證過程

第3章水稻種子吸收光譜檢測系統(tǒng)設計21第3章水稻種子吸收光譜檢測系統(tǒng)設計為了實現(xiàn)對水稻種子內(nèi)部物質(zhì)吸收光譜的準確檢測，需要根據(jù)水稻種子的結構特征分析其光學特性，選擇適用的檢測方式設計光譜檢測系統(tǒng)，并結合實際需求設計系統(tǒng)中的各組成器件，最終完成光學系統(tǒng)的搭建。3.1水稻種子結構特征及近紅外光譜采集方法研究水稻的種子的結構如圖3.1所示，完整的水稻種子由稃殼和糙米兩部分組成，稃殼包裹在種子外部，外層的稃殼稱為外稃，內(nèi)層的稃殼稱為內(nèi)稃，兩片稃殼邊緣互相勾合，能夠保護內(nèi)部器官避免病蟲等的侵入[78]。糙米包含種皮、胚乳和胚三個部分，其中胚是水稻種子發(fā)芽與否的決定因素，如果胚受到損傷稻種便不能萌發(fā)。糙米中的胚乳占糙米總重量的98%，其主要成分為淀粉、蛋白質(zhì)及脂肪等有機物，是水稻種子萌發(fā)及幼苗生長初期的營養(yǎng)來源[79]。圖3.1水稻種子結構示意圖Figure3.1Schematicdiagramofriceseedstructure在物理上稃殼和糙米的顏色、密度和形態(tài)均有不同，在化學上稃殼和糙米的蛋白質(zhì)、脂肪、淀粉、纖維素等化學物質(zhì)的組成也不同，而對水稻種子活力起主要作用的物質(zhì)是種子內(nèi)部糙米中的化學成分，因此在種子活力檢測中要盡量增強糙米的信息而減少稃殼對測量結果的影響[80]。近紅外光譜檢測一般采用反射光譜法或透射光譜法。采用反射式檢測方式時，光源發(fā)出的光進入待測樣品內(nèi)部，在樣品內(nèi)部經(jīng)過多次反射、折射、散射及吸收后重新返回樣品表面，與樣品內(nèi)部分子發(fā)生作用后的光便攜帶著樣品內(nèi)部成分與含量信息。由于近紅外光具有很強的

【參考文獻】：
期刊論文
[1]光學無創(chuàng)血糖濃度檢測方法的研究進展[J]. 郭帥,蘇杭,黃星燦,劉劍.  中國光學. 2019(06)
[2]不同類型水稻種子活力的比較研究[J]. 楊翠,田宏躍,覃廷英,余顯權,秦建權,周麗潔.  種子. 2019(11)
[3]基于高光譜圖像的黃瓜種子活力無損檢測[J]. 王新忠,盧青,張曉東,吳又新,承銀輝.  江蘇農(nóng)業(yè)學報. 2019(05)
[4]量子級聯(lián)激光光譜在土壤生態(tài)系統(tǒng)中的應用[J]. 劉寧武,許林廣,周勝,何天博,李勁松.  光學學報. 2019(11)
[5]紅提糖度和硬度的高光譜成像無損檢測[J]. 高升,王巧華,付丹丹,李慶旭.  光學學報. 2019(10)
[6]基于基線漂移模型的氣體光譜自動基線校正[J]. 王昕,呂世龍,李巖,尉昊赟,陳夏.  光譜學與光譜分析. 2018(12)
[7]油菜籽的傅里葉變換紅外光譜鑒別[J]. 董盈紅.  保山學院學報. 2018(02)
[8]基于光譜指數(shù)的蜜橘成熟度評價模型研究[J]. 劉燕德,葉靈玉,孫旭東,韓如冰,肖懷春,馬奎榮,朱丹寧,吳明明.  中國光學. 2018(01)
[9]基于聲光可調(diào)諧濾光器的成像光譜儀系統(tǒng)設計[J]. 朱海波,關松.  光電技術應用. 2017(06)
[10]影響稻米堊白的因素及育種改良措施[J]. 張麗娟.  中國農(nóng)業(yè)信息. 2017(22)

博士論文
[1]棱鏡—光柵型短波紅外成像光譜儀關鍵技術研究[D]. 陳建軍.中國科學院大學(中國科學院長春光學精密機械與物理研究所) 2019
[2]人體血紅蛋白近紅外光譜無創(chuàng)分析方法研究[D]. 袁境澤.中國科學院長春光學精密機械與物理研究所 2017
[3]我國種子質(zhì)量可追溯系統(tǒng)研究[D]. 王岳含.中國農(nóng)業(yè)科學院 2016
[4]近紅外光譜技術在人體血糖無創(chuàng)檢測中的應用研究[D]. 張洪艷.中國科學院研究生院（長春光學精密機械與物理研究所） 2005

碩士論文
[1]基于近紅外光譜數(shù)據(jù)的水稻種子活力預測模型研究[D]. 曲歌.黑龍江八一農(nóng)墾大學 2019
[2]拉曼光譜預處理關鍵技術研究[D]. 白靜.合肥工業(yè)大學 2019
[3]水稻種子活力測定方法的初步研究[D]. 何龍生.浙江農(nóng)林大學 2018
[4]基于近紅外光譜的水稻種子老化程度研究[D]. 高艷琪.黑龍江八一農(nóng)墾大學 2017
[5]基于高光譜圖像的脫絨棉種活力檢測方法研究[D]. 尤佳.石河子大學 2017
[6]基于近紅外光譜的單籽粒水稻種子品質(zhì)檢測的方法研究[D]. 王純陽.中國科學技術大學 2017
[7]基于偏振干涉的傅里葉變換光譜技術研究[D]. 沈燕.南京理工大學 2017
[8]基于振動光譜融合的乳粉摻假診斷新技術研究[D]. 駱文欣.天津大學 2017
[9]基于拉曼光譜技術和化學計量學方法的大米品種產(chǎn)地的快速鑒別方法[D]. 孫娟.江南大學 2016
[10]基于近紅外光譜技術快速檢測稻米營養(yǎng)品質(zhì)和加工精度的研究[D]. 周軍琴.甘肅農(nóng)業(yè)大學 2016



本文編號：3559658