黄纪翀刘春宇宋少忠谭勇韩宇徐立君刘君玲

(1.长春理工大学物理学院,吉林 长春 130022；2.吉林工程技术师范学院信息工程学院，吉林 长春 130052)

习近平总书记在“七一”重要讲话中指出，推进科技自立自强；2021年发布的中央一号文件提出，必须打好种业翻身仗，要在黑土地上加快选育更多装上“中国芯”的玉米品种。玉米作为主要的粮食、工业原料、饲料等，在我国经济与生产生活中占有重要地位，而发展玉米生产，玉米种子的品质是非常重要的影响因素。目前对玉米品种的选育以传统方法和生化方法为主，传统方法有籽粒形态鉴别法、苗期标记性状法等；生化方法有蛋白质电泳法、分子标记测定法等。传统检测方法操作简单，但受人为因素影响较大，在对物质需求越来越高的今天逐渐无法满足人民；生化检测方法准确率高且可实现批量检测，但其成本较高且具有一定的专业性，通常应用于大型企业。光谱在物质鉴别上被称为指纹谱，光谱检测玉米种子具有快速无损、操作简单、实时监测等优点，与上述检测方法相辅相成，或可以作为其有效补充手段，使得农作物种子的鉴别更加快捷有效。

1 玉米品种品质的检测方法

1.1 传统方法

种子纯度是种子品质的重要指标，会直接影响产量大小，从而导致农民利益受到损害。检测玉米籽粒纯度的传统方法一般有籽粒形态鉴定法、苗期标记性状法2种。其中,籽粒形态鉴别法检验原理是根据花粉直感现象，杂交种子与母本自交种子的胚乳层颜色、透明度等性状都有所不同，以此作为区分的依据；而苗期标记性状法则是分别在室内与室外种植一定数量的种子样品，待种子成长为幼苗期后根据某些性状的不同来区别种子，以此鉴定种子纯度。

1.2 生化方法

传统检测方法因人为主观性较强而具有一定的局限性，以生化指纹为依据的生化检测方法开始渐渐进入人们的视野。目前，应用和研究较为广泛的是蛋白质电泳法与分子标记测定法，其中蛋白质电泳法是以样品中特定蛋白带的有无或在电泳凝胶上某一位置出现的谱带来确定品种类别或进行纯度鉴定；而分子标记测定法则是通过直接分析DNA的多态性来诊断生物内在基因的排布规律及其外在性状的表现规律,通过鉴定DNA水平上的差异来鉴别品种,又以此为基础分出了多种标记技术，在多个检测领域发挥不同的作用。

2 玉米品种品质的光谱检测方法

随着种子品种的增加，一些种子可能因具有相似的外观而难以用肉眼进行区分，只能凭借传统经验判断，容易造成种子纯度下降；而种子纯度作为种子品质的一个方面，又能影响到农产品和食品的品质优劣，是关系老百姓自身权益的重要问题，一直是人们关注的热点。光谱技术作为近年来新兴的一种检测技术，具有快速、无损等优点，为种子品种品质检测提供了一种新的手段，目前在品种分类、品质鉴别、成分分析等方面有着广泛的应用。

2.1 近红外光谱技术

在待测样品中,C-H、N-H、O-H等含氢基团振动频率的吸收区域位于近红外光谱波段范围，这使其可以体现出物质本身丰富的特征信息，从而实现对样品内各成分的定量或定性检测。

在品种分类方面，Williams等[1]将高光谱成像技术应用于近红外光谱技术上，弥补了近红外光谱无法提供有关成分或污染物空间位置这一缺陷，在检测方法上作出了创新；Jia等[2]在采集了近红外光谱的基础上，采用多种算法建立模型并对其性能进行了比较，得出最佳性能的模型，在识别算法方面有所突破；Cui等[3]在建立识别模型方面分别运用主成分分析(PCA)、线性判别分析(LDA)与仿生模式识别(BPR)建立识别模型，对参数优化后提高了模型的鲁棒性，获得了90%以上的平均正确识别率，在识别算法方面有所突破。

在品质检测方面，王亚丽等[4]为检测玉米种子活力，自主设计一种单粒化装置并对其进行优化，并基于该装置分别采集正常玉米种子与人工老化玉米种子的近红外光谱，对光谱采取了不同的预处理方式后建模，并验证了模型的判别准确率，在检测方法上有所创新；Fassio等[5]为了测定玉米样品中的油脂含量，使用了主成分分析(PCA)，Savitzky-Golay变换和平滑对采集的光谱数据进行预处理，并建立了偏最小二乘回归模型，用以分析玉米样品中油含量的各种参数，在对光谱预处理方式方面有所突破。

在成分分析方面，张乐等[6]为测定玉米的水分含量，采用Savitzky-Golay卷积求导法、均值中心化(mean centering,MC)、标准正态变量变换(Standard normal variate transformation，SNV)等方法消除噪声干扰，再采用主成分分析(PCA)、去噪自动编码器(DAE)进行降维和特征提取，建立基于随机森林(RF)的单粒玉米种子水分含量预测模型，比较不同光谱预处理方法的效果，在光谱预处理方面有所突破；张新玉等[7]为检测玉米内蛋白质含量，采集了多份不同基因型玉米籽粒的近红外光谱，同时用常规化学法测定玉米籽粒蛋白质含量化学值，对二者进行拟合后分别用偏最小二乘回归法(PLSR)与支持向量机回归法(SVR)建立数学模型，比较二者效果，在识别算法方面有所突破。

2.2 拉曼光谱技术

随着新技术的发展，拉曼光谱检测技术逐渐步入人们的视线中。作为一种非弹性散射谱，拉曼光谱的特征峰分布范围为10～4000cm-1，而其特征谱可以与有机分子官能基因团相对应，从而对物质中所含成分进行指认。

在品种分类方面，Dib等[8]利用拉曼光谱结合线性判别分析(LDA)对不同种类转基因玉米进行了拉曼光谱测量、分析，并对不同的光谱预处理方式和变量选择算法进行了评估选择。结果表明，采用遗传算法(GA)对模型进行优化后效果最佳，其正确预测率达到了87.5%，在光谱预处理方法与识别算法上有所突破。

在品质检测方面，黄亚伟等[9]采用拉曼光谱技术采集同一品种不同收货年份的玉米种子的光谱后，对其进行预处理并分别运用主成分马氏距离判别分析方法与偏最小二乘判别分析方法建立了判别模型。研究表明，拉曼光谱技术在玉米新陈度快速识别方面的可行性，在识别算法上有所突破；Ambrose等[10]利用拉曼光谱结合傅里叶红外光谱技术，以不同的杂交玉米粒为研究对象，对玉米种子的活力进行评估。结果表明，拉曼光谱结合PLS-DA可以更好地对种子进行区分，在光谱预处理方法上有所突破。

在成分分析方面，黄林生等[11]利用表面增强拉曼光谱技术，以纳米金棒为拉曼增强基底，对浸泡过不同浓度杀螟硫磷的玉米样品的光谱进行测量，验证了其可行性，为农产品的安全检测提供了一种新思路，在检测方法上有所突破；Gulce等[12]利用显微拉曼光谱技术结合化学计量学方法，对2种不同品种玉米种子中的蛋白质和直链与支链淀粉的相对含量进行了测定。结果表明，PCA分析方法很好地拟合了这2种玉米平均光谱之间的差异光谱。通过分析其差异光谱，发现黄色凹陷品种玉米种子的蛋白质与支链淀粉的相对含量较高，而直链淀粉相对含量较低，在光谱预处理方法上有所突破。

2.3 高光谱成像技术

单一的图像信息难以区分外表相似，品种不同的种子；单一的光谱信息受生长区域、气候等环境因素影响较大。而高光谱成像技术(hyperspcetral imaging,HSI)将二者相结合，能同时捕捉到被测样品的光谱信息和图像信息，与化学计量学方法相结合，用于种子品种品质方面的研究。

在品种分类方面，Huang等[13,14]利用采集到的不同种类玉米种子的光谱数据建立最小二乘支持向量机(LS-SVM)模型，并分别利用多种算法优化参数，提升准确率。其中，利用在线更新模型方法使模型的识别率有了一定的提升，从84.1%上升到94.4%，而利用SPA、PCA等算法结合优化后的模型可以达到90%以上的测试精度，在光谱预处理方法与识别算法方面有所突破；冯朝丽等[15]、Zhang等[16]在获得不同品种玉米种子的高光谱图像后，采用不同的化学计量学方法取得最佳波长，最后结合算法建立模型并进行比较。结果表明，高光谱图像分析结合化学计量学方法得出的模型在一定程度上可以实现对玉米品种的分类，但其实用性与效率仍有待探讨与提升。

在品质检测方面，Guo等[17]对不同年份收获的同一品种玉米种子的高光谱图像进行了采集，通过多种预处理方法对图像进行去噪、分割、提取特征谱段，结合特征谱段建立了最小二乘支持向量机(LS-SVM)模型，优化模型并检验其性能，结果表明，结合了模型更新与预标记方法的模型效果最好，其识别准确率在85%以上，在识别算法上有所突破；Feng等[18]为检测玉米种子活力，分别采集了普通玉米种子与经过8次不同老化时间处理后玉米种子的高光谱图像，使用主成分分析(PCA)与二阶导数选择特征波长，利用支持向量机(SVM)算法建立了基于全光谱和最佳波长的模型。结果表明，模型对短时间老化后的玉米籽粒分类精度较高，而长时间老化后的玉米籽粒分类精度较低，因此将8个不同时间段处理的玉米分成3组后分类，其效果与前者相仿，在识别算法上有所突破。

2.4 其它光谱技术

荧光成像技术是一种落射光照明的成像技术，光源经由滤光片后产生一定波长的激发光激发样品产生荧光，再经由滤光片后产生一定波长的荧光返回物镜，并通过CCD成像。如Zuzana等[19]为实现玉米种子中黄曲霉毒素的快速检测，对实验组与对照组样本中随机抽取对象后采用荧光成像光谱法采集样本图像与光谱并对其进行分析。结果表明，自然感染的植株与受黄曲霉毒素感染的植株之间存在明显的光谱偏移，且所有接种毒素和自然感染的植株在波段为501nm处都有荧光峰，而正常的玉米植株中没有检测到。

X射线荧光光谱法是一种利用样品对X射线的吸收随样品中的成分及其含量而变化来定性或定量测定样品中成分的方法，可用于土壤、农作物中各种微量元素的测量，快速准确地分析农产品中的各种成分。如Dao[20]为确定矿物磷肥对植物生长的影响，对植株第1片最上面的顶叶进行光谱提取并分析。结果得到了叶片磷浓度、含水量等因素之间的关系图，为田间植株的养分管理提供了一种新的方法。

3 结论

综上所述，国内外学者在多种光谱对玉米品种、品质、成分检测方面都有所涉及，且在检测方法、光谱预处理方式和识别算法方面都有所突破和创新。相较于传统检测方法，光谱检测技术具有易获取、速度快、非破坏等优点，而不同的光谱技术又各具有其优劣势，近红外光谱技术数据采集速度快，适用于在线检测；大部分设备小成本低，便于携带，但其只能获得光谱信息，实现对样品化学参数的评估，主要应用于对样品的品质检测；高光谱成像技术可同时获取图像和光谱信息，且可实现样品物理和化学参数的评估并将其可视化，但其数据量庞大，需要与高性能计算机硬件及化学计量法结合使用，主要应用于品种分类；而拉曼光谱技术光源选择的自由度大，可以对种子内部器官进行更加细致地检测，结合理论计算等方法可以从光谱中挖掘出更多信息，但拉曼光谱大多呈非线性变化，难以分析，主要应用于对物质内部的成分分析。因此多种光谱技术相结合对农业的应用是未来的趋势，随着光谱技术的迅猛发展，越来越多的农作物可以通过光谱技术进行精准检测，使其达到量产最大化，并实现种类识别、病害分类、种子年限分类等目标，而对玉米品种品质的检测方法也在与时俱进，在未来能够成为作物种子鉴别的一种有效手段。