黃紀(jì)翀劉春宇宋少忠譚勇韓宇徐立君劉君玲
(1.長春理工大學(xué)物理學(xué)院,吉林 長春 130022;2.吉林工程技術(shù)師范學(xué)院信息工程學(xué)院,吉林 長春 130052)
習(xí)近平總書記在“七一”重要講話中指出,推進(jìn)科技自立自強;2021年發(fā)布的中央一號文件提出,必須打好種業(yè)翻身仗,要在黑土地上加快選育更多裝上“中國芯”的玉米品種。玉米作為主要的糧食、工業(yè)原料、飼料等,在我國經(jīng)濟與生產(chǎn)生活中占有重要地位,而發(fā)展玉米生產(chǎn),玉米種子的品質(zhì)是非常重要的影響因素。目前對玉米品種的選育以傳統(tǒng)方法和生化方法為主,傳統(tǒng)方法有籽粒形態(tài)鑒別法、苗期標(biāo)記性狀法等;生化方法有蛋白質(zhì)電泳法、分子標(biāo)記測定法等。傳統(tǒng)檢測方法操作簡單,但受人為因素影響較大,在對物質(zhì)需求越來越高的今天逐漸無法滿足人民;生化檢測方法準(zhǔn)確率高且可實現(xiàn)批量檢測,但其成本較高且具有一定的專業(yè)性,通常應(yīng)用于大型企業(yè)。光譜在物質(zhì)鑒別上被稱為指紋譜,光譜檢測玉米種子具有快速無損、操作簡單、實時監(jiān)測等優(yōu)點,與上述檢測方法相輔相成,或可以作為其有效補充手段,使得農(nóng)作物種子的鑒別更加快捷有效。
種子純度是種子品質(zhì)的重要指標(biāo),會直接影響產(chǎn)量大小,從而導(dǎo)致農(nóng)民利益受到損害。檢測玉米籽粒純度的傳統(tǒng)方法一般有籽粒形態(tài)鑒定法、苗期標(biāo)記性狀法2種。其中,籽粒形態(tài)鑒別法檢驗原理是根據(jù)花粉直感現(xiàn)象,雜交種子與母本自交種子的胚乳層顏色、透明度等性狀都有所不同,以此作為區(qū)分的依據(jù);而苗期標(biāo)記性狀法則是分別在室內(nèi)與室外種植一定數(shù)量的種子樣品,待種子成長為幼苗期后根據(jù)某些性狀的不同來區(qū)別種子,以此鑒定種子純度。
傳統(tǒng)檢測方法因人為主觀性較強而具有一定的局限性,以生化指紋為依據(jù)的生化檢測方法開始漸漸進(jìn)入人們的視野。目前,應(yīng)用和研究較為廣泛的是蛋白質(zhì)電泳法與分子標(biāo)記測定法,其中蛋白質(zhì)電泳法是以樣品中特定蛋白帶的有無或在電泳凝膠上某一位置出現(xiàn)的譜帶來確定品種類別或進(jìn)行純度鑒定;而分子標(biāo)記測定法則是通過直接分析DNA的多態(tài)性來診斷生物內(nèi)在基因的排布規(guī)律及其外在性狀的表現(xiàn)規(guī)律,通過鑒定DNA水平上的差異來鑒別品種,又以此為基礎(chǔ)分出了多種標(biāo)記技術(shù),在多個檢測領(lǐng)域發(fā)揮不同的作用。
隨著種子品種的增加,一些種子可能因具有相似的外觀而難以用肉眼進(jìn)行區(qū)分,只能憑借傳統(tǒng)經(jīng)驗判斷,容易造成種子純度下降;而種子純度作為種子品質(zhì)的一個方面,又能影響到農(nóng)產(chǎn)品和食品的品質(zhì)優(yōu)劣,是關(guān)系老百姓自身權(quán)益的重要問題,一直是人們關(guān)注的熱點。光譜技術(shù)作為近年來新興的一種檢測技術(shù),具有快速、無損等優(yōu)點,為種子品種品質(zhì)檢測提供了一種新的手段,目前在品種分類、品質(zhì)鑒別、成分分析等方面有著廣泛的應(yīng)用。
在待測樣品中,C-H、N-H、O-H等含氫基團振動頻率的吸收區(qū)域位于近紅外光譜波段范圍,這使其可以體現(xiàn)出物質(zhì)本身豐富的特征信息,從而實現(xiàn)對樣品內(nèi)各成分的定量或定性檢測。
在品種分類方面,Williams等[1]將高光譜成像技術(shù)應(yīng)用于近紅外光譜技術(shù)上,彌補了近紅外光譜無法提供有關(guān)成分或污染物空間位置這一缺陷,在檢測方法上作出了創(chuàng)新;Jia等[2]在采集了近紅外光譜的基礎(chǔ)上,采用多種算法建立模型并對其性能進(jìn)行了比較,得出最佳性能的模型,在識別算法方面有所突破;Cui等[3]在建立識別模型方面分別運用主成分分析(PCA)、線性判別分析(LDA)與仿生模式識別(BPR)建立識別模型,對參數(shù)優(yōu)化后提高了模型的魯棒性,獲得了90%以上的平均正確識別率,在識別算法方面有所突破。
在品質(zhì)檢測方面,王亞麗等[4]為檢測玉米種子活力,自主設(shè)計一種單?;b置并對其進(jìn)行優(yōu)化,并基于該裝置分別采集正常玉米種子與人工老化玉米種子的近紅外光譜,對光譜采取了不同的預(yù)處理方式后建模,并驗證了模型的判別準(zhǔn)確率,在檢測方法上有所創(chuàng)新;Fassio等[5]為了測定玉米樣品中的油脂含量,使用了主成分分析(PCA),Savitzky-Golay變換和平滑對采集的光譜數(shù)據(jù)進(jìn)行預(yù)處理,并建立了偏最小二乘回歸模型,用以分析玉米樣品中油含量的各種參數(shù),在對光譜預(yù)處理方式方面有所突破。
在成分分析方面,張樂等[6]為測定玉米的水分含量,采用Savitzky-Golay卷積求導(dǎo)法、均值中心化(mean centering,MC)、標(biāo)準(zhǔn)正態(tài)變量變換(Standard normal variate transformation,SNV)等方法消除噪聲干擾,再采用主成分分析(PCA)、去噪自動編碼器(DAE)進(jìn)行降維和特征提取,建立基于隨機森林(RF)的單粒玉米種子水分含量預(yù)測模型,比較不同光譜預(yù)處理方法的效果,在光譜預(yù)處理方面有所突破;張新玉等[7]為檢測玉米內(nèi)蛋白質(zhì)含量,采集了多份不同基因型玉米籽粒的近紅外光譜,同時用常規(guī)化學(xué)法測定玉米籽粒蛋白質(zhì)含量化學(xué)值,對二者進(jìn)行擬合后分別用偏最小二乘回歸法(PLSR)與支持向量機回歸法(SVR)建立數(shù)學(xué)模型,比較二者效果,在識別算法方面有所突破。
隨著新技術(shù)的發(fā)展,拉曼光譜檢測技術(shù)逐漸步入人們的視線中。作為一種非彈性散射譜,拉曼光譜的特征峰分布范圍為10~4000cm-1,而其特征譜可以與有機分子官能基因團相對應(yīng),從而對物質(zhì)中所含成分進(jìn)行指認(rèn)。
在品種分類方面,Dib等[8]利用拉曼光譜結(jié)合線性判別分析(LDA)對不同種類轉(zhuǎn)基因玉米進(jìn)行了拉曼光譜測量、分析,并對不同的光譜預(yù)處理方式和變量選擇算法進(jìn)行了評估選擇。結(jié)果表明,采用遺傳算法(GA)對模型進(jìn)行優(yōu)化后效果最佳,其正確預(yù)測率達(dá)到了87.5%,在光譜預(yù)處理方法與識別算法上有所突破。
在品質(zhì)檢測方面,黃亞偉等[9]采用拉曼光譜技術(shù)采集同一品種不同收貨年份的玉米種子的光譜后,對其進(jìn)行預(yù)處理并分別運用主成分馬氏距離判別分析方法與偏最小二乘判別分析方法建立了判別模型。研究表明,拉曼光譜技術(shù)在玉米新陳度快速識別方面的可行性,在識別算法上有所突破;Ambrose等[10]利用拉曼光譜結(jié)合傅里葉紅外光譜技術(shù),以不同的雜交玉米粒為研究對象,對玉米種子的活力進(jìn)行評估。結(jié)果表明,拉曼光譜結(jié)合PLS-DA可以更好地對種子進(jìn)行區(qū)分,在光譜預(yù)處理方法上有所突破。
在成分分析方面,黃林生等[11]利用表面增強拉曼光譜技術(shù),以納米金棒為拉曼增強基底,對浸泡過不同濃度殺螟硫磷的玉米樣品的光譜進(jìn)行測量,驗證了其可行性,為農(nóng)產(chǎn)品的安全檢測提供了一種新思路,在檢測方法上有所突破;Gulce等[12]利用顯微拉曼光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法,對2種不同品種玉米種子中的蛋白質(zhì)和直鏈與支鏈淀粉的相對含量進(jìn)行了測定。結(jié)果表明,PCA分析方法很好地擬合了這2種玉米平均光譜之間的差異光譜。通過分析其差異光譜,發(fā)現(xiàn)黃色凹陷品種玉米種子的蛋白質(zhì)與支鏈淀粉的相對含量較高,而直鏈淀粉相對含量較低,在光譜預(yù)處理方法上有所突破。
單一的圖像信息難以區(qū)分外表相似,品種不同的種子;單一的光譜信息受生長區(qū)域、氣候等環(huán)境因素影響較大。而高光譜成像技術(shù)(hyperspcetral imaging,HSI)將二者相結(jié)合,能同時捕捉到被測樣品的光譜信息和圖像信息,與化學(xué)計量學(xué)方法相結(jié)合,用于種子品種品質(zhì)方面的研究。
在品種分類方面,Huang等[13,14]利用采集到的不同種類玉米種子的光譜數(shù)據(jù)建立最小二乘支持向量機(LS-SVM)模型,并分別利用多種算法優(yōu)化參數(shù),提升準(zhǔn)確率。其中,利用在線更新模型方法使模型的識別率有了一定的提升,從84.1%上升到94.4%,而利用SPA、PCA等算法結(jié)合優(yōu)化后的模型可以達(dá)到90%以上的測試精度,在光譜預(yù)處理方法與識別算法方面有所突破;馮朝麗等[15]、Zhang等[16]在獲得不同品種玉米種子的高光譜圖像后,采用不同的化學(xué)計量學(xué)方法取得最佳波長,最后結(jié)合算法建立模型并進(jìn)行比較。結(jié)果表明,高光譜圖像分析結(jié)合化學(xué)計量學(xué)方法得出的模型在一定程度上可以實現(xiàn)對玉米品種的分類,但其實用性與效率仍有待探討與提升。
在品質(zhì)檢測方面,Guo等[17]對不同年份收獲的同一品種玉米種子的高光譜圖像進(jìn)行了采集,通過多種預(yù)處理方法對圖像進(jìn)行去噪、分割、提取特征譜段,結(jié)合特征譜段建立了最小二乘支持向量機(LS-SVM)模型,優(yōu)化模型并檢驗其性能,結(jié)果表明,結(jié)合了模型更新與預(yù)標(biāo)記方法的模型效果最好,其識別準(zhǔn)確率在85%以上,在識別算法上有所突破;Feng等[18]為檢測玉米種子活力,分別采集了普通玉米種子與經(jīng)過8次不同老化時間處理后玉米種子的高光譜圖像,使用主成分分析(PCA)與二階導(dǎo)數(shù)選擇特征波長,利用支持向量機(SVM)算法建立了基于全光譜和最佳波長的模型。結(jié)果表明,模型對短時間老化后的玉米籽粒分類精度較高,而長時間老化后的玉米籽粒分類精度較低,因此將8個不同時間段處理的玉米分成3組后分類,其效果與前者相仿,在識別算法上有所突破。
熒光成像技術(shù)是一種落射光照明的成像技術(shù),光源經(jīng)由濾光片后產(chǎn)生一定波長的激發(fā)光激發(fā)樣品產(chǎn)生熒光,再經(jīng)由濾光片后產(chǎn)生一定波長的熒光返回物鏡,并通過CCD成像。如Zuzana等[19]為實現(xiàn)玉米種子中黃曲霉毒素的快速檢測,對實驗組與對照組樣本中隨機抽取對象后采用熒光成像光譜法采集樣本圖像與光譜并對其進(jìn)行分析。結(jié)果表明,自然感染的植株與受黃曲霉毒素感染的植株之間存在明顯的光譜偏移,且所有接種毒素和自然感染的植株在波段為501nm處都有熒光峰,而正常的玉米植株中沒有檢測到。
X射線熒光光譜法是一種利用樣品對X射線的吸收隨樣品中的成分及其含量而變化來定性或定量測定樣品中成分的方法,可用于土壤、農(nóng)作物中各種微量元素的測量,快速準(zhǔn)確地分析農(nóng)產(chǎn)品中的各種成分。如Dao[20]為確定礦物磷肥對植物生長的影響,對植株第1片最上面的頂葉進(jìn)行光譜提取并分析。結(jié)果得到了葉片磷濃度、含水量等因素之間的關(guān)系圖,為田間植株的養(yǎng)分管理提供了一種新的方法。
綜上所述,國內(nèi)外學(xué)者在多種光譜對玉米品種、品質(zhì)、成分檢測方面都有所涉及,且在檢測方法、光譜預(yù)處理方式和識別算法方面都有所突破和創(chuàng)新。相較于傳統(tǒng)檢測方法,光譜檢測技術(shù)具有易獲取、速度快、非破壞等優(yōu)點,而不同的光譜技術(shù)又各具有其優(yōu)劣勢,近紅外光譜技術(shù)數(shù)據(jù)采集速度快,適用于在線檢測;大部分設(shè)備小成本低,便于攜帶,但其只能獲得光譜信息,實現(xiàn)對樣品化學(xué)參數(shù)的評估,主要應(yīng)用于對樣品的品質(zhì)檢測;高光譜成像技術(shù)可同時獲取圖像和光譜信息,且可實現(xiàn)樣品物理和化學(xué)參數(shù)的評估并將其可視化,但其數(shù)據(jù)量龐大,需要與高性能計算機硬件及化學(xué)計量法結(jié)合使用,主要應(yīng)用于品種分類;而拉曼光譜技術(shù)光源選擇的自由度大,可以對種子內(nèi)部器官進(jìn)行更加細(xì)致地檢測,結(jié)合理論計算等方法可以從光譜中挖掘出更多信息,但拉曼光譜大多呈非線性變化,難以分析,主要應(yīng)用于對物質(zhì)內(nèi)部的成分分析。因此多種光譜技術(shù)相結(jié)合對農(nóng)業(yè)的應(yīng)用是未來的趨勢,隨著光譜技術(shù)的迅猛發(fā)展,越來越多的農(nóng)作物可以通過光譜技術(shù)進(jìn)行精準(zhǔn)檢測,使其達(dá)到量產(chǎn)最大化,并實現(xiàn)種類識別、病害分類、種子年限分類等目標(biāo),而對玉米品種品質(zhì)的檢測方法也在與時俱進(jìn),在未來能夠成為作物種子鑒別的一種有效手段。