水稻种子品种真实性鉴别模型的构建方法及其应用
【技术领域】
[0001] 本发明涉及水稻种子鉴别，具体地说，涉及水稻种子品种真实性鉴别模型的构建 方法及其应用。
【背景技术】
[0002] 农为邦本，在农业生产过程当中种子是极其重要的生产资料，种子质量的优劣会 直接影响粮食的产量、品质及其效益等。在我国这个市场经济快速发展，地域辽阔，人口众 多的国家，种子市场的监管力度还不够，相关法律法规和监管机制还不完善，给了一些不法 分子以可乘之机，市场上的假冒伪劣等违法现象频有发生，不法分子利用非本品牌的种子 来以假乱真，冒充其他知名品种或用本品牌种子同父异母或同母异父的种子替代本品牌种 子，严重侵害农民利益，扰乱市场秩序，影响我国的粮食生产安全，给相关检验机构和执法 部门带来很大的困扰。水稻种子真实性及纯度已成为育种部门、制种单位、种业集团以及质 检行政部门共同关注的问题。
[0003] 传统的水稻真实性鉴别方法例如：叶色标记法，该方法是指一种通过肉眼就就可 识别的外部标记特征，将该标记应用于不育系，便可根据叶色所表现出的差异筛选出不育 系杂交种子。（李小林等，2007;胡景涛等，2009)。叶色标记法虽具有准确性高及直观的优 点，但受限于筛选相应的不育系需要耗费很长的周期，而且对于那些无叶色标记的品种，该 纯度鉴定方法也不适用；李雪等（2014)利用SSR和SNP两种技术分析鉴定玉米品种真实性， 基于SNP芯片平台检测获得了3072个SNP位点。Kenneth等(2009)对20个水稻品种进行SNP分 析，测序的l〇〇Mb的基因组中共检测到了 160,000个非冗余SNP，可以反映出20个品种间的遗 传历史关系以及一些与农艺性状有关的基因渐渗区域。对于以上所介绍的品种鉴定方法都 可作为水稻品种的鉴别方法，但都存在一定的局限性，不能成为一种兼具成本低、无损、检 测快速、操作简便、环境友好型的检测方法，也不能做到对鉴定的样本的筛选。
[0004] 近红外光谱技术在种子方面研究目前相对较少，如李君霞等（2006)以191份具有 代表性的糙米样品材料为实验对象，利用偏最小二乘法(MPLS)建立模型，并借助训练集和 测试集两个载荷向量的二维得分空间投影图对建立的糙米粗蛋白含量模型进行评价及优 化，使得外部检验的目标函数值为0.687,校正模型的目标函数值为0.701，验证了目标函数 是评价及优化模型的一个有效指标。但其发明为对种子进行定量分析，不能针对种子做定 性分析，进行种子真实性鉴别。
[0005] 再如W.Kong等(2013)利用近红外高光谱成像技术结合多元数据分析方法对4个水 稻品种进行鉴别，对比最优光谱区段与全波段的鉴别结果，全波段光谱建立的模型效果好 于最优波段选择建立的模型，其中PLS-DA和KNN模型正确鉴别率在80%以上，但由于其对于 降维方式的和维度的选取未达到最优效果导致模型的正确识别率未能达到更为理想的程 度。
【发明内容】
[0006] 为了解决现有技术中存在的问题，本发明的目的是提供一种水稻种子品种真实性 的鉴别方法。
[0007] 为了实现本发明目的，本发明技术方案如下：
[0008] 本发明首先提供了水稻种子品种真实性鉴别模型的构建方法，包括如下步骤：
[0009] si.采集样品漫反射或漫透射光谱；
[0010] S2.光谱预处理:选择有效波长，增大信噪比，消除干扰；
[0011] S3.光谱特征提取:利用PCA+LDA对数据降维；
[0012]S4.采用仿生模式识别方法建立模型。
[0013]进一步地，采集样品漫反射或漫透射光谱后，剔除异常光谱，获得样品的原始光 谱。两种方式只有光谱采集的过程不同，后期处理完全一样，包括建模都一样，光谱采集后 就得到的是原始光谱数据，漫反射和漫透射只影响采集过程，之后的工作并不涉及。
[0014] 采集漫反射或漫透射光谱采用MircroNIR-1700微型近红外光谱仪(JDSUniphase[JDSU]Corporation，Milpitas，编号SI-00239)，产自美国JDSU公司。仪器的分辨率： 12.5nm，扫描谱区范围：900~1650nm。数据分析软件为Matlab2011b〇
[0015]作为优选，所述样品为同一时间种植，收获时处于不同成熟度、但进行光谱采集前 对种子进行统一处理，保证含水量处于同一水平。当样品满足上述条件时，能提高模型精 度。采集样品图谱时设50次重复，以平均光谱近似作为该样品光谱。
[0016]进一步地，所述S1为采集300个样本以上的样品，进行至少50次的重复。能够更好 的使构建的鉴别模型具有更高的容变性，稳定性，适用于更广泛的样品以及更复杂的样品 真实性鉴别。
[0017] 进一步地，所述有效波长为900nm~1650nm。在多次测试和研究中发现，该波段对 于水稻真实性分析中，噪声信息已减少到最佳范围，所剔除的一些波段的噪声信息已经大 于有用信息。本方法所选取的有效波长是后期模型达到最优预测能力和高稳定性的必要前 提。
[0018]进一步地，选择有效波长后，依次进行移动窗口平均(平滑）、标准归一化。用移动 窗口平均处理降低噪声及随机误差，有效的获取有用信息，增大信噪比，标准归一化对于不 同厚度的样品有很好的处理效果，还可以消除样品浓度的变化以及光程的变化等对光谱的 影响。
[0019] 经过多次测试和研究，在该处理方式和处理顺序下，对于所需要的水稻样品的弱 信息提取效果最明显，在复杂以及变动的背景信息中，本方法按照移动窗口平均(平滑）、标 准归一化光谱数据，可以消除仪器因素、光谱扫描背景、进样或是样品性质(温度等）、消除 样品浓度的变化以及光程的变化、测量的误差、光的散射等因素的影响，对于后期增强建模 效果，该预处理流程是必要前提。
[0020] 作为优选，移动窗口平均处理中，平滑窗口设为9,在该设定下，平滑能使噪声的单 独数据点降低，信号数据点也发生变化，邻数据点低于Bit的会被提升，平滑可获得更多的 数据信息，能使分析变的更灵活，因此会获得更加平滑的信号。本方法平滑的选用窗口移动 最小二乘平滑，此方法可有效的提取有用的信息，去除噪声干扰，平滑时，经多次测试和研 究，窗口的大小设定为9时，平滑效果最好，并且有用信息损失最小，同时能有效的剔除噪 首。
[0021]常规稻即可以留种且后代不分离的水稻品种。常规稻不是杂交稻，通过杂交或变 异而来，是通过选育、提纯、保持本品种的特征特性不变。
[0022]进一步地，所述样品为常规稻时，S3具体为利用PCA将数据降到28维，在此基础上 利用LDA将数据降到5维。
[0023] 对所建定性模型的评价指标有以下几种：正确识别率（CorrectAcceptance Rate，CAR)，正确拒识率（CorrectRejectionRate，CRR)，平均正确识别率（Average CorrectAcceptanceRate，ACAR),平均正确拒识率（AverageCorrectRejectionRate， ACRR)来表示。
[0024]详细算法如下面公式所示：
[0025]正确识别率=正确识别的样本个数/应当被识别的样本个数；
[0026]正确拒识率=正确拒识的样本个数/应当被拒识的样本个数；
[0027]平均正确识别率为所有材料正确识别率的平均值；
[0028]平均正确拒识率为所有材料正确拒识率的平均值。
[0029]当平均正确识别率和平均正确拒识率高于95%时，所述模型可以达到真实性鉴 另IJ，并且可以满足市场水稻种子真实性鉴别标准。
[0030]本发明还进一步提供了一种水稻种子品种真实性的鉴别方法，包括如下步骤：
[0031]步骤1、利用前述方法对特定样品建立鉴别模型；
[0032]步骤2、将疑似特定样品在同样条件下获得的近红外光谱数据，并对该数据进行预 处理、特征提取，最后利用所建立的定性分析模型进行快速鉴别，判断真实性。即是否为特 定样品。
[0033]进一步解释如下，当疑似特定样品为某常规水稻品种时，利用前述方法构建该自 交系品种的鉴别模型，构建模型时选择适宜的常规水稻品种的降维方法。之后对疑似特定 样品进行相同处理，进行样品光谱数据采集，获得原始光谱数据，并进行预处理和特征提 取，以上操作与建立鉴别模型所使用的方法相同。之后将处理后的光谱数据录入鉴别模型 进行鉴别分析。当平均正确识别率和平均正确拒识率高于所设定的检测指标时，判断为真 实，否则判断为掺假。
[0034]本发明的有益效果在于：
[0035]本发明提供了一种水稻种子品种真实性的鉴别方法。
[0036]本发明运用近红外光谱技术对不同成熟度的水稻品种的真实性进行鉴定：通过 PLS、LDA降维，BPR建模，结果表明，对于不同熟成度的不同水稻品种的真实性鉴别，漫反射 和漫透射两种测量方式都表现出较高的正确识别率和正确拒识率，漫透射的测量方式采集 的光谱信息使得模型更具稳定性和高鉴别力，正确识别率最低也在90.00%，正确拒识率最 小值为92.00%，最高值都能达到100.00%，抽穗后40天和50天对不同水稻品种的漫透射检 测结果正确识别率均达到100.00 %，平均正确拒识率分别达到97.67 %和99.67 % ;不同成 熟度鉴别结果整体的平均结果来看，除了抽穗后50天的正确识别率平均结果为85.83，其他 成熟时期的平均结果都在90.00%以上，总体正确识别率平均值为91.90%，漫透射测量方 式的平均正确识别率达到了 98.45%，两种测量方式的平均正确拒识率分别达到了 98.74% 和98.45%。由以上结果可以说明，在不同的成熟时期，水稻籽粒内部的特异物质已经形成， 通过近红外光谱分析技术采集不同成熟时期不同水稻品种的籽粒信息可以实现对不同品 种的鉴别。
【附图说明】
[0037]图1为本发明中JDSU仪器示意图；
[0038]图2为本发明中JDSU仪器实物图；
[0039]图3为本发明中漫反射光谱采集装置示意图；
[0040]图4为本发明中