[0063] 本步骤中，所述品种模型是通过选择支持向量机（SVM)或仿生模式识别方法所建 立的。SVM的基本原理是寻找使不同品种之间差别最大的分类面。
[0064] 通过漫透射光谱来确定待检测种子品种已经可以大幅降低种子的位置效应，但近 红外光源的参数（例如：光源与种子之间的距离、近红外光的强度等）会对所述漫透射光谱 产生影响，为了进一步降低种子的位置效应，以排除所述近红外光源的参数对所述漫透射 光谱的影响，可选地，所述第二漫透射光谱包括：胚面光谱（即从种子胚面方向所检测到的 光谱）和非胚面光谱（即从种子非胚面方向所检测到的光谱）；
[0065] 步骤S002和步骤S003之间还包括：
[0066] 计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度，若所述相似 度低于第一阈值，则对所述近红外光源的参数进行调整，并返回步骤S001。
[0067] 在建立品种模型时，若不同品种的第二光谱特征之间的相对距离过小会导致检 测结果造成影响，使得种子检测准确率降低，为提高所述种子检测的准确率，可选地，步骤 S003和步骤S004之间还包括：
[0068] 计算不同品种的第二光谱特征之间的相对距离，若所述相对距离小于第二阈值， 则对所述预处理方式和/或特征提取方式进行调整，并返回步骤S002。
[0069] 可选地，步骤S004中，根据所述第二光谱特征通过支持向量机SVM或仿生模式识 别方法建立所述品种模型。
[0070] 实施例
[0071] 下面以一个具体的实施例来说明本发明，但不限定本发明的保护范围。
[0072] 本实施例选用玉米种子作为对象，对玉米种子的单籽粒进行近红外漫透射无损检 测，以确定玉米杂交种的纯度，并与常用的近红外漫反射分析的分析结果进行比较，验证近 红外漫透射无损检测的优势。
[0073] 纯度是玉米杂交种质量的重要指标，制种过程中母本种子容易混入到杂交种中， 导致杂交种纯度不合格。现有的纯度鉴定方法操作复杂，成本高，而且破坏种子。种子单籽 粒近红外光谱漫透射无损分析系统本用来对玉米杂交种及其母本进行区分，对杂交种的纯 度进行鉴定。并与近红外漫反射光谱分析技术对杂交种纯度的鉴定效果进行对比，验证了 种子单籽粒近红外光谱漫透射无损分析系统的优越性。
[0074] 本实施例的种子单籽粒无损检测方法包括以下步骤：
[0075] A1 :通过如图2所示的光谱采集装置对母本样本种子（包括60粒农华101的母本 种子和60粒京玉16的母本种子，所述农华101和京玉16均为北京金色农华种业科技有限 公司所销售种子的型号）被近红外光源（即所述光谱采集装置中的外置近红外光源）发出 的近红外光照射时的第二漫透射光谱进行采集；
[0076] 由于种子的胚面和非胚面差异较大，为了对种子的摆放方式和位置对光谱的影响 进行验证，对每种种子均用30粒种子采集胚面光谱，30粒种子采集非胚面光谱。
[0077] 其中，所述线性滤光片所保留的谱区范围为908. 1~1677. 2nm，所述光谱仪检测 器为美国JDSU公司的MicroNIR 1700近红外微型光谱仪。
[0078] A2 :对所述第二漫透射光谱按照所述预处理方式进行预处理；
[0079] 由于原始光谱中908. 1~llOOnm和1600~1677. 2nm谱区内光谱噪声比较大，而 1100~1600nm谱区内原始光谱噪声较小，因此本实施例后续处理将选用1100~1600nm谱 区的光谱数据来处理和分析。预处理依次用一阶差分导数（First Derivative，FD，差分宽 度为 9)和矢量归一化（Vector Normalization，VN)。
[0080] A3 :对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取，以获得 第二光谱特征；
[0081] 由于种子的光谱由数百个波长点数据组成，数据量较大，而且不同波长点数据之 间具有很强的相关性，所以需要对原始光谱进行特征提取和降维。本实施例综合使用主 成分分析（Principle Component Analysis:PCA)和正交化线性判别分析（Orthogonal Linear Discriminant Analysis:0LDA)对光谱进行特征提取和降维。
[0082] A4:计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度，若所述 相似度低于第一阈值，则对所述近红外光源的参数进行调整，并返回步骤A1 ;
[0083] 本步骤中，为了评价种子胚面和非胚面近红外光谱之间光谱相似度，提出了光谱 相似度评价指标S。S计算步骤如下：
[0084] 1)对每个波长点吸光度数据均采用Kolmogorov-Smirnov检验判定两类样本的吸 光度在该波长点处是否存在统计差异。Kolmogorov-Smirnov检验是一种非参数检验方法， 基于两组样本累积分布函数之间的差异确定两组样本是否来源于同一分布。两组样本累积 分布函数之间的差异即为K-S检验的统计量K值。K值计算表达式如下：
[0085] K = max|Fl(x)-F2(x)
[0086] 其中，Fl(x)和F2(x)分别为该波长处两组样本吸光度的累积分布函数。K值为 Fl(x)和F2(x)差值的最大值。如果该波长处K值对应的概率p值〈0.05,则认为该波长点 处两类样本吸光度分布存在显著差异。
[0087] 2)统计每个波段的p值，若某个波段p>0. 05,则该波段设为1，认为两组数据在该 波段没有显著差异。波段总数为N，无差异的波段数目为M。
[0088] 3) S = M/N。其中，S值越大，说明两种品种的光谱相似度越高。
[0089] A5 :计算所述第二光谱特征和第三光谱特征之间的相对距离，若所述相对距离小 于第二阈值，则对所述预处理方式和/或特征提取方式进行调整，并返回步骤A2 ;
[0090] 为了能够表示出各类种子样品集差异的大小，现定义它们在特征空间的相对距离 R,，
，式中&表示第i类和第j类之间的相对距离，D u表示第i类与第j类重 心的平方欧氏距离，Wi表示第i类内部的平均离差平方和，W ,表示第j类内部的平均离差 平方和。的值越大，表明第i类和第j类样品集差异也越大。在定性分析中两个样品集 之间的相对距离可评价这两类样品的分类能力。
[0091] 本步骤中，对所述预处理方式进行调整为改变预设的预处理方式，例如：预设的预 处理方式包括一阶差分导数，则可将一阶差分导数调整为二阶差分导数，对所述特征提取 方式进行调整也与所述预处理方式的调整类似。
[0092] A6 :根据所述第二光谱特征通过支持向量机SVM建立所述母本和杂交模型。
[0093] 由于SVM的基本原理是寻找使不同品种之间差别最大的分类面，本实施例中使用 Matlab自带的svmtrain和svmpredict函数建立模型和测试，采用线性映射函数。
[0094] 本步骤中，建立模型时，以京玉16杂交种子为例说明训练集和测试集的分配方 法。从京玉16杂交种子的60粒种子的光谱（胚面光谱30条，非胚面光谱30条）中分别 随机选取胚面光谱15条和非胚面光谱15条作为训练集建立模型，剩余30条光谱作为测试 集样本。
[0095] A7 :对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采 集；
[0096] A8 :对所述第一漫透射光谱按照预设的预处理方式进行预处理；
[0097] A9 :对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取，以获 得第一光谱特征；
[0098] A10:根据所述第一光谱特征通过母本和杂交模型确定所述待检测种子的品种。
[0099] 通过漫反射光谱在分析京玉16时，PCA保留6个主成分。母本和杂交种子的反射 光谱在特征空间中部分混杂，差异较小（图3a)。母本和杂交种在特征空间中的相对距离R =4. 13。而在漫透射光谱的特征空间中（PCA保留7个主成分），母本和杂交种有较大的差 别（图3b)，母本和杂交种在特征空间中的相对距离R = 13. 98。说明透射光谱中包含更多 的母本和杂交种子的差异信息。模型性能比较说明，对京玉16进行纯度鉴定时，使用漫透 射光谱分析技术（平均正确率98% )可以获得比漫反射光谱分析技术（平均正确率90% ) 更高的正确率（表1)。
[0100]
[0101] 其中，Sa代表种子胚面和非胚面光谱的相似度，Rb代表母本和杂交种子鉴定模型 的区分能力。
[0102] 对农华101进行相同的分析，发现反射（PCA主成分数目为8)和透射（PCA主成分 数目为7)光谱的R值相当，说明两种方法对母本和杂交种子的区分能力相差不大。模型鉴 定结果表明，反射和漫透射光谱分析技术的平均正确率分别为100%和98%，并没有显著 的差异（表1)。
[0103] 对种子进行观察发现，农华101母本和杂交种子的颜色和形状差异较大，母本种 子颜色较浅，为浅黄的，杂交种子颜色较深，主要为红色，因此利用漫反射光谱分析技术分 析时，很容易采集到母本和杂交种子表面的颜色差异，所以鉴定准确率很高。而京玉16的 母本和杂交种子外形和颜色十分相似，漫反射光谱分析技术仅能获得种子表面的部分信 息，就不能很