曹祥练， 潘 威， 秦明松

（1.保康烟叶公司， 湖北 襄阳441600； 2.玉溪中烟种子公司， 云南 玉溪653100）

1 种子精选的意义

种子质量［1－2］是种子永恒的话题。精选分级［3－5］可以剔除种中混杂物或异品种种子，可以去除不饱满或劣变的种子，提高种子的精度级别，进而最大限度地提高纯度、净度、发芽率和种子活力，提高种子质量。21世纪以来，伴随着种子行业全球化的进程，世界种子贸易深化，竞争愈发激烈［6－9］，对于商品种子质量的要求也越来越高，实行种子精选加工已成为种子管理的一种必须手段。传统的种子精选主要是利用正常种子与杂物、异常霉变种子的质量、密度、尺寸、形状、表面结构、颜色、弹性等物理性质的差异对其进行分离，具有操作简便、成本较低的特点，是种子前期处理普遍采用的方法，比如风选、网筛选、水选、窝眼滚筒、螺旋分离机等等，但这些方法也存在着精度差、自动化程度低等无法克服的缺陷。种子工业和技术伴随着其他专业技术的发展也在飞速变革，研发高效、精确、无损、自动化的精选分级技术来代替传统分选是种子科技领域的一项研究热点［10－11］。

2 种子分选新技术

2.1 利用种子物理特性差异

磁流体密度梯度分选。

种子密度会因成熟度、饱满度、含水量等有所差异，磁流体密度分选就是利用这种差异，由磁流体和梯度磁场共同作用的产生的密度梯度液体介质对不同密度种子进行分离［12］。磁流体介质是磁粉纳米颗粒悬浮于水中形成的。当无磁场存在时，磁流体实际密度与水相当，为1g／mL，即磁纳米颗粒对水的密度不产生影响。但当开通电源，电磁铁存在磁场作用时，由于纳米磁性颗粒的存在，液体介质的密度会增大，最大可以达到20g／mL。且这种密度是有梯度的，因为磁场强度随着距离磁铁距离的增加而成指数降低，所以相应的磁粉颗粒所受磁场作用降低，磁流体介质的密度也会梯度降低。磁流体的密度计算公式为：

所需分选的种子加入容器与磁流体接触后，种子本身不受磁场作用，只受到液体介质的浮力，密度小于液体介质密度会悬浮，大于液体介质密度仍会下沉，直到下沉至与其密度相当的位置悬浮不动。以这种方式，大量种子可以一次性的被分成多个密度梯度，不需像传统密度梯度分选一样进行多次分选，且液体介质可以重复使用，该法可以节约大量时间和工作，且其分选效果与传统液体介质多次分选效果相当。2011年，Koning等利用密度梯度磁流体对辣椒、番茄、西红柿种子进行了分级，发现其分选结果与传统液体密度分选结果相当，可明显提高种子质量［12］。

2.2 利用种子生理化学特性差异

2.2.1 电生理特性

介电分选。

电生理特性与种子内部品质相关，因此利用弱极性非均匀电介质的种子在电场中受力不同和种子的物理机械特性差异可将品质不同的种子分选出来［13］。介电分选的2个重要参数是种子电极化力（与种子的介电特性和电场性质有关）和重力。以双绕线圈滚筒式分选为例，滚筒转动时，附着在线圈上的种粒由于介电性质和物理性质的不同而受力不同，导致脱离线圈的角度不同而实现分选。徐江等发现，滚筒转速为252r／min，电压在4 000V时，介电分选能够有效提高水稻种子发芽势、发芽率、发芽指数、活力指数等指标［14］。

2.2.2 生化特性

代谢挥发物。

种子储藏过程会产生醛类、酮类、醇类、氮氧化物等挥发性化合物，而“电子鼻”——气味指纹仪可模仿动物嗅觉系统的结构，感知和识别这些有机代谢挥发气体，从而被应用在种子新陈识别、活力识别、病虫害识别方面，通常由气敏传感器阵列、信号处理系统和模式识别系统三部分组成。庞林江发现，利用PEN 2型电子鼻，经PCA法可成功辨别不同年份的小麦样品［15］。程绍明等利用电子鼻系统，通过主成分分析、线性判别分析可快速的区分出发芽率为0%、70%、80%和90%的四种番茄种子［16］。邹小波等研制出由厚膜金属氧化锡气体传感器阵列和神经网络组成电子鼻装置，其对霉变小麦、水稻识别的正确率达100%，对霉变玉米的识别正确率也达90%以上［17］。

含油率。

玉米、大豆、花生等含油种子的含油率可以作为其甄别选优的依据，而低场核磁共振技术可准确采集带氢键油脂分子信号，从而快速、准确检测粮食种子含油率，实现种子的准确分选。杨培强等［18］发明了一种含油种子快速分选的核磁共振多通道检测系统，取样系统从盛料斗中取出多粒种子样品，分送至与其对应的并行称重进样系统进行称重，经称重后的种子等距地落入核共振分析仪检测线圈中，检测过程中沿垂直于磁场方向脉冲施加一个梯度磁场给核共振分析仪检测线圈，检测输出的信号为多粒种子的叠加信号，再经傅立叶变换将多粒种子的叠加信号分离，分别得到每粒种子的氢质子含量与多套并行称重进样系统中得到的每粒种子的重量，计算每粒种子的含油率，并将结果输送至种子分选系统，然后按含油率大小对种子进行分级。

2.3 利用光学系统

2.3.1 色选－光电分选

其工作原理是利用种子异色粒对特定光线的吸收或反射强度不同，通过光电转换装置将其光信号转换成电信号并放大，然后对其电压值进行采摘识别，最后驱动喷射阀对异色粒进行瞬间喷吹，从而实现种粒与异色粒的分离，达到色选目的。目前，市场上光学系统的核心器件基本上都采用的CCD摄像头。该法缺点是分辨率很低，同时它的光学系统成像质量差，光路不能调整，一致性较差。

2.3.2 近红外光谱

种子中不同有机物的特殊官能团在近红外光作用下，会发生振动能级的跃迁，吸收特征波长的光，形成近红外吸收光谱。因此，可通过研究种子中水分、蛋白、淀粉、氨基酸、脂肪、胡萝卜素等含氢基团对近红外光谱的吸收特性，并结合化学计量法来快速定性或定量分析种子品种、病害情况、贮藏年份、生活力等，从而实现种子分选。Peiris等［19］应用近红外光谱技术测定单粒小麦携带镰刀菌及呕吐毒素水平，鉴别率分别达到98.8%和99.8%。耿立格等［20］采集了不同年限的大豆品种子近红外光谱，建立其生活力的无损测定校正模型，校正集的决定系数可达0.937，验证集决定系数可达0.902。于燕波等［21］运用近红外漫反射技术预测棉籽含油量，对未知样本进行检验，检验集相关系数高达0.98，他们还通过PPF－PCA方法建立了高油棉籽分类投影近红外模型，模型对高、中、低三类含油量不等的样品识别正确率高达95%，可实现高油棉籽准确筛选。

2.3.3 x－ray 成 像

x－ray的短波长的辐射可以渗透种子大部分的有机体，造影后就可无损评价种子内在的形态完整性［22－23］，尤其是胚、胚乳的形态，因此，可根据x 射线造影图像显示种子内部形态差异进行选种。该法已广泛应用在林木种质量检测上。史锋厚等利用软x射线摄影术与水衬比结合进行南京椴选种［24］，从图像中可准确辨别饱满、发育不完全和空粒种子，精选后种子饱满度可达85%以上。x射线摄影分为直接射线摄影法（x法）和衬比射线摄影法（xc法）。直接射线摄影法已被国际种子检验协会采纳，用于查定空粒和虫害粒种子；衬比射线摄影法尚待标准化。衬比射线摄影法造影效果一般比直接法要好，分辨率更高，目前使用衬比剂有水、BaCl2、NaI、KBr、PbSO4、KI、SrCl2、NaNO3溶液等。近年来，研究者试图把x射线摄影术与数字图像处理技术结合起来，取代人为观察图像的方法。杨冬风［25］将软渗钡x－射线摄影的玉米图像与计算机智能识别相结合，对高活力玉米种子的选择准确率高达95%。2006年，Neethirajan等在实时软x射线的基础上，通过提取图像的灰度分布、纹理、形状等特征建立了一种针对内核角质化种子的分类系统［26］。

2.3.4 种皮叶绿素荧光

1998年，Jalink等首次利用激光照射种皮产生的叶绿素荧光（CF）对甘蓝（Brassicaoleracea）种子分级，发现CF大小与种子质量呈反比，将13%的高CF值的种子剔除后的，种子批发芽率达到了90%以上［27－28］。种皮上叶绿素含量很低，且随着成熟度提高逐渐降低，较难监测，但被650～730nm波长的光激发后，会发射一种荧光，这种信号可被放大检测，因此可以通过荧光强度来确定叶绿素残留水平，从而判断种子的成熟度，由此把不同成熟度种子分开。2013年，Burcu等［29－30］将4个不同品种的在不同阶段进行采收辣椒种子都根据CF分级，分级后种子发芽率、活力等都明显提高。这项专利技术已经商业化应用在番茄、辣椒、黄瓜及甘蓝等种子的精选上。目前，美国Satake公司已生产了叶绿素荧光技术种子分选机。

2.4 计算机视觉和图像处理技术

该技术是利用自动传感器获取种子图像，然后转换成数字图像，再使用软件进行识别，并提取种子特征，最后再通过控制系统实现种子的分选［31］。图像处理主要包括图像的获取与存储、预处理、特征提取、信息识别几个步骤。基于计算机视觉和图像处理的种子分级主要针对形状、颜色、纹理等特征展开。

1）外形。主要包括种子的尺寸、周长、投影面积、形状等特征参数。2014年，贾佳等利用图像识别技术分析了农大399小麦种子投影面积、长度、宽度等，并以此将小麦种子分组，发现活力指数、幼苗鲜重与这些参数呈显著相关［32］。陈兵旗等以面积和宽长比为稻种类型的特征参数，以等价矩形长、宽的差值最小为标准，进行了发霉和破损种子的判断，正确率达到76.8%～100%［33］。目前，荷兰 Hoopman公司生产的iXeed Counter通过计算机图像识别技术可快速获取一批种子中宽度、长度和投影面积的分布范围。

2）提取模拟种子的颜色特征是一个重要的方法。彩色图像的颜色系统应用广泛的包括RGB、HIS、Lab颜色空间等。2013年，彭江南等基于Seed Identificaiton软件提取了图像中棉籽的RGB、Lab、HSB、灰度以及物理指标，并依据这些指标对种子进行了快速精选，可使棉籽发芽率由89%提高到95%左右［34］。A.Dell’Aquila根据RGB平均值把lentil种子分成3份，通过线性回归方程研究，发现RGB平均值与老化前后分级的种子发芽质量显著相关［35］。李振华等利用CIELAB颜色空间判断烟草种子成熟度，发现烟草种子发芽率与亮度显著相关，当烟草蒴果亮度＜45，红度＞6，黄度＜25，色饱和度＜25，色相角度＜60时，是适宜采摘的成熟蒴果［36］。

3）纹理是图像分析中一个重要而又难以描述的特征。Haralick R.M.认为，由或多或少的相似的模式或纹理元组成的一种结构就是纹理［37］。基于图像灰度共生矩阵的特征提取是一种最常用的纹理特征提取方法，它能较精确地反映纹理重复方向和粗糙程度。2007年，王瑶利用包括纹理在内24个特征参数对大麦种子建立了有效的种子模型，品种识别正确率达到95%以上［38］。2008年，郝建平等利用纹理检测193个品种各50粒玉米种子的样本，品种检出率为95%［39］。

3 问题与展望

种子精选分选的宗旨是清除种子中的杂质，杂种及发育不良的种子，从而最大限度地获得高净度、高纯度、高活力的种子。近年来发展起来的种子无损分选新技术虽然已取得一些进步，但仍存在着很多不足如：

1）精度高但效率低，如计算机视觉与图像处理技术需先获取图像，软件识别后才能实现分选，无法满足流水线需要。

2）方法单一，多数利用单一原理进行分选。

3）存在局限性，如含油量测定和叶绿素荧光技术只对部分种子有效。

伴随着其他种子工业技术与传统分选技术融合，未来种子分选技术的研发可能会向以下几个方向发展：

1）高度自动化，兼顾自动化识别和自动化分离，实现种子的高速、准确分选。

2）方法多样化，结合多种分选原理实现多重分选，进一步提高种子质量。

3）种子级别精细化，具有生活力的种子被分为多种活力级别，适用于不同的种植需要。

［1］王建华.国内外种子质量控制及相关技术发展［J］.种子世界，2008（1）：63－64.

［2］毛一剑，郑根深，胡依君.提高种子质量经验浅谈［J］.现代农业科技，2006（11）：21.

［3］吴凌云，李明.种子清选精选技术［J］.种子，2009，28（10）：120－123.

［4］马芳，范友华，何洪城，等.林木种子精选技术的引进与创新［J］.湖南林业科技，2011，38（4）：78－79.

［5］李月明，孙丽惠，郝楠.浅析我国玉米种子加工技术的现状与发展趋势［J］.杂粮作物，2010，30（6）：450－451.

［6］朱明，陈海军，李永磊.中国种子加工技术现状与趋势［J］.农业工程学报，2012，28（26）：1－6.

［7］王建华，谷丹，赵光武.国内外种子加工技术发展的比较研究［J］.种子，2003，22（5）：74－76.

［8］曾国强.浅析种子的清选分级［J］.现代农业，2013（1）：59.

［9］陈秉钧.介绍国外几种新型种子清选法［J］.种子世界，1984（4）：38－39.

［10］胡志超，王海鸥，彭宝良.我国种子加工技术与设备概况及发展［J］.农业装备技术，2005，31（5）：14－17.

［11］曲永祯.种子的物理特性与加工方法［J］.种子世界，2004，（1）：48.

［12］De Koning J R A，Bakker E J，Rem P C.Sorting of vegetable seeds by magnetic density separation in comparison with liquid density separation［J］.Seed Science and Technology，2011，39（3）：593－603.

［13］赵金平.种子介电分选技术研究新进展［J］.林业科学，2000，36（Z1）：97－103.

［14］徐江，谭敏，张春庆.等.电晕场与介电分选提高水稻种子活力［J］.农业工程学报，2013，29（23）：233－239.

［15］庞江林.电子鼻技术在小麦陈化评定中的应用研究［D］.杭州：浙江大学，2005.

［16］程绍明，王俊，马杨珲，等.基于电子鼻的番茄种子发芽率检测［J］.农业工程学报，2011，27（12）：132－135.

［17］邹小波，赵杰文.电子鼻快速检测谷物霉变的研究［J］.农业工程学报，2004，20（4）：121－124.

［18］杨培强，陈绍江，汪红志，等.用于含油种子快速分选的核磁共振多通道检测系统［P］，2014，中国专利：公开号CN 103592326A.

［19］Peiris K.H.S.，Pumphrey M.O.，Dong Y.H.，et al.Near－Infrared spectroscopic method for identification of Fusarium head blight damage and prediction of deoxynivalenol in Single Wheat Kernels，Cereal Chemistry，2010，87（6）：511－517.

［20］耿立格，宋春风，王丽娜，等.近红外光谱无损测定大豆种子生活力方法研究［J］.植物遗传资源学报，2013，14（6）：1 208－1 212.

［21］于燕波.近红外光谱分析技术在转基因水稻识别和高油棉籽筛选中的应用研究［D］.北京：中国农业大学，2014：60－70.

［22］颜启传.X－射线在种子研究上的应用［J］.种子，1982，2（1）：30－33.

［23］何利平.应用X 射线技术检测林木种子质量［J］.山西林业科技，2001（2）：40－43.

［24］史锋厚，朱灿灿，沈永宝，等.软X射线摄影术与水浸泡结合进行南京椴选种［J］.浙江林学院学报，2008，25（1）：119－122.

［25］杨冬风.基于软X－射线造影和机器智能的玉米种子活力检测方法研究［J］.作物杂志，2013（3）：136－140.

［26］Neethirajan S，Karunakaran C，Symons S，et al.Classification of vitreousness in durum wheat using soft X－rays and transmitted light images［J］.Computer and Electronics in Agricuture，2006，53：71－78.

［27］Jalink H，Frandas A，Schoor R V D，et al.chlorophyll fluorescence of the testa of brassica oleracea seeds as an indicator of seed maturity and seed quality［J］.Sci.agric.，Piracicaba，1998，55：88－93.

［28］Jalink H，Schoor R V D，Frandas A，et al.Chlorophyll fluorescence of Brassica oleracea seeds as a non－destructive marker for seed maturity and seed performance［J］.Seed Science Research.1998，8：437－443.

［29］Kenanoglu B B.Chlorophyll Fluorescence Sorting Method to Improve Quality of Capsicum Pepper Seed Lots Produced from Different Maturity Fruits［J］.HortScience.2013，48（8）：965－968.

［30］Deleuran L C，Olesen M H，Boelt B.Spinach seed quality：potential for combining seed size grading and chlorophyll fluorescence sorting［J］.Seed Science Research.2013，23（04）：271－278.

［31］孙莎，洪英，邓继忠，等.计算机视觉在种子品质检测和分级中的应用［J］.农机化研究，2008（7）：175－178.

［32］贾佳，王建华，谢宗铭，等.计算机图像识别技术在小麦种子精选中的应用［J］.中国农业大学学报，2014，19（5）：180－186.

［33］陈兵旗，孙旭东，韩旭，等.基于机器视觉的水稻种子精选技术［J］.农业机械学报，2010，41（7）：168－173.

［34］彭江南，谢宗铭，杨丽明，等.基于Seed Identification软件的棉籽机器视觉快速精选［J］.农业工程学报，2013，29（23）：147－152.

［35］Dell＇Aquila A.Red－Green－BBlue（RGB）colour density as a non－destructive marker in sorting deteriorated lentil（Lens culinaris Medik.）seeds［J］.Seed Science and Technology.2006，34（3）：609－619.

［36］李振华，冯勇刚，龙明锦，等.一种种子成熟度的检测方法及成熟种子的采摘方法.中国：201410319841.9［P］.2014－11－05.

［37］Haraliek R M，Shanmngam K，Dinstein I.Texture feature for image classification［J］.IEEE Trans.On Systems，Man，and Cybemeties，1973，3（6）：610－621.

［38］王瑶.种子分类与检验的图像分割与识别［D］.长春：吉林大学，2007，18－26.

［39］郝建平，杨锦忠，杜天庆，等.基于图像处理的玉米品种的种子形态分析及其分类研究［J］.中国农业科学，2008，41（4）：994－1 002.