论文部分内容阅读
快速、准确地识别出单倍体种子对玉米单倍体高效育种以及提高玉米产量都具有重要意义,现有的玉米单倍体检测技术效率低下,研究一种新型高效的玉米单倍体检测方法是目前国内外研究热点。近红外光谱定性分析技术具有无损、快速、低成本、操作简单等优点,有助于开发适用于玉米单倍体籽粒的大通量自动化分拣设备。课题以经遗传标记后的玉米单倍体和杂合体籽粒为实验材料,在对以往近红外定性鉴别流程中常用算法进行了详细研究的基础上,针对玉米单倍体和杂合体间差异性极其微小的特点,以获取高品质光谱和高准确性识别为目标,建立一套适用于自动分拣设备的玉米单倍体鉴别系统。本文基于近红外漫反射光谱,分别应用仿生模式识别和支持向量机为核心建模算法,建立了近红外定性鉴别模型,对比了两种模型的识别效果。实验结果表明,采用PLS+OLDA+SVM对数据进行特征提取及建模的方法,识别结果更优,但仍无法得到理想的识别效果。通过进一步实验发现,造成玉米单倍体和杂合体无法有效分类的根本原因,在于近红外漫反射采集单粒玉米种子时存在的位置效应问题。光谱品质的好坏直接影响了模型识别率的高低,因此采用近红外漫透射的光谱测量方式,建立了准确稳定的近红外分析模型,从根本上解决了漫反射的位置效应问题。本文从研究近红外光谱品质参数着手,考察了光谱仪进光量和光源强度对近红外漫透射光谱品质和模型正确识别率的影响,并进一步提出了两种改善光谱品质的方法:降低光源工作电压并使用可见光截止滤光片,最终得到了适合近红外漫透射分析的高强高效光源。为实现玉米单倍体籽粒的快速、无损、自动化检测及分拣,利用可编程控制器编程简单、运行稳定等优点,本文设计开发了一套集籽粒排队、信息采集和处理、籽粒筛选为一体的自动化设备,并开发了适用于该设备的近红外自动化定性分析软件。