领域技术人员所熟知的常规手段，所用原料均为市售商品。
[0021 ]实施例1快速无损检测大豆种子生活力的方法
[0022] 1.实验材料
[0023] 随机选用3个大豆品种：中豆27、中黄13和黑河13,侣锥袋密封于50°C恒溫箱老化 获得不同生活力的种子，各梯度种子的发芽率见表1。
[0024] 表1 3个品种大豆种子的发芽率
[00%] 2.实验仪器及耗材
[0027] 仪器设备:采用普通称量天平称量种子，采用德国Airsense PEN3电子鼻获取种子 气味图谱。PEN3有10个金属氧化物传感器，分别对应不同类型的气体(表2)。
[0028] 耗材:采用色谱用100mL顶空样品瓶盛装大豆种子。
[0029] 表2 PEN3电子鼻的各传感器性能特点
[0030]
[0031] 3.实验内容及方法
[0032] 不同生活力种子区分的具体步骤为：
[0033] (1)准备样品：用天平称取5g种子，装入100mL顶空样品瓶(瓶盖中央打孔，内配有 硅胶垫）。
[0034] (2)获得挥发性气体:将样品瓶在室溫静置45分钟，若室溫波动大，则将样品瓶放 在25°C恒溫箱内。
[0035] (3)数据采集:设置电子鼻参数为：用经过木炭净化的洁净空气清洗传感器阵列 100秒，归零10秒，样品检测30秒，采样时间1秒/组，进样流量100~400ml/min(图1)。
[0036] (4)数据分析:采集完的信号数据中，选取0~30秒之间的数据，利用主成分分析法 (PCA)或线性判别法(LDA)，对数据进行降维处理后区分不同组别的数据集。
[0037] 预测种子生活力的具体步骤为：
[0038] 1)数据采集:选取大豆品种"中黄13"的5个生活力梯度种子(表3)，按照前述方法 采集气味图谱，重复45次。
[0039] 2)建模:每个生活力的种子取30个重复共150个数据做训练集，提取第40秒时10个 传感器的响应值为输入矢量，发芽率为输出矢量，使用matlab软件建立BP神经网络，神经网 络结构为IOX 10X1。
[0040] 3)检验及预测：利用剩余15个重复共75个数据做测试集，从而得到大豆种子发芽 率BP神经网络训练集及预测集识别结果。
[0041] 4.实验结果
[0042] 4.1不同生活力种子气味信号差异
[0043] 信号采集结果表明，10个传感器对大豆种子的响应值存在明显差异，W "中豆27" 品种为例，在发芽率98%的对照种子中，胖15、胖25、胖55、胖1胖和胖2胖运个5个传感器的信号量占 10个传感器总信号量的60% W上；而且运5个传感器信号量比重随着种子生活力降低而增 加，低生活力种子(发芽率0%)的种子中的比例达到80% W上（图2)。表明高低生活力种子 的气味信号存在差异。
[0044] 4.2不同生活力种子的区分
[0045] 利用WinMuster的PCA和LDA法分析10个传感器采集信号峰值，区分不同生活力的 大豆种子。传感器的响应值在0~30秒之间呈现先迅速增加然后维持稳定或者略有下降的 趋势。对比"黑河13"发芽率0%的峰值、0~30秒的平均值和后期稳定阶段(20~30秒）的平 均值之间，发现=者之间差别较小（图3)。分别采用峰值和后期稳定阶段(20~30秒)任意 值，用PCA和LDA法区分"黑河13"不同生活力种子。结果表明，不同指标和区分方法均可有效 区分不同生活力种子，其中峰值的区分效果略好(图4)。
[0046] 4.3传感器阵列优化
[0047] 为优化传感器阵列，根据各生活力梯度种子区分效果，发现仅采用W1S、W2S、W5S、 WlW和W2W运5个传感器的信号即可达到与10个传感器相同的区分效果，前者甚至优于后者； PCA和LDA两种分析法的区分效果相同（图5)。胖15、胖25、胖55、胖1胖和￥2胖运5个传感器分别对甲 烧、幾基类/醇类、氮氧化合物、无机硫化物和有机硫化物敏感，其对大豆种子生活力的综合 区分准确率可达100 %。
[004引 4.4BP神经网络预测未知样品生活力
[0049] 从表3可W看出，大豆"中黄13"训练集和预测集各生活力梯度种子的识别准确率 均为100%，因此，利用电子鼻技术结合BP神经网络分析，可W准确预测大豆种子生活力。
[0050] 表3大豆"中黄13"各生活力种子30个重复样品的BP神经网络识别结果
[0052] 可见，本发明的一种无破坏性、快速检测大豆种子生活力的方法，可W在不接触种 子、不对种子进行任何预处理的情况下，通过检测其挥发气体的方法实现对大豆种子生活 力的无破坏性、快速检测。
[0053] 虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在 本发明基础上，可W对之作一些修改或改进，运对本领域技术人员而言是显而易见的。因 此，在不偏离本发明精神的基础上所做的运些修改或改进，均属于本发明要求保护的范围。
【主权项】
1. 快速无损检测大豆种子生活力的方法，其特征在于，基于电子鼻原理，采用金属氧化 物传感器阵列检测大豆种子产生的挥发气体的成分，将挥发气体的化学信号转变为电信 号，根据电信号图谱区分不同活力的种子，结合BP神经网络对采集的电信号进行建模，实现 对未知大豆种子样品的活力检测。2. 根据权利要求1所述的方法，其特征在于，所述金属氧化物传感器阵列是对甲烷、羰 基类/醇类、氮氧化合物、无机硫化物和有机硫化物敏感的5个金属氧化物传感器组成的传 感器阵列。3. 根据权利要求1所述的方法，其特征在于，将适量的大豆种子装入顶空样品瓶内密 封，静止相应时间后直接抽取顶空气体，经金属氧化物传感器阵列检测。4. 根据权利要求3所述的方法，其特征在于，取5~10g大豆种子，装入一定容积的顶空 样品瓶内，室温静置30~60分钟后进行测定。5. 根据权利要求4所述的方法，其特征在于，先用净化的空气清洗金属氧化物传感器阵 列，然后用进样针吸取样品瓶顶空气体，经传感器阵列检测，获得电信号值，连续测定30秒。6. 根据权利要求5所述的方法，其特征在于，气体流经传感器阵列的速度为100ml/S~ 400ml/s〇7. 根据权利要求5所述的方法，其特征在于，选取0~30秒之间稳定的电信号数据，利用 主成分分析法或线性判别法，对数据进行降维处理后区分不同生活力梯度大豆种子的数据 集。8. 根据权利要求7所述的方法，其特征在于，每个生活力梯度大豆种子取至少30份样品 的检测信号训练BP神经网络，并利用训练好的BP神经网络对未知大豆种子样品进行生活力 检测。9. 根据权利要求8所述的方法，其特征在于，做完每一次检测，用净化的空气清洗传感 器阵列。10. 根据权利要求1-9任一项所述的方法，其特征在于，所述大豆种子无需经过任何预 处理。
【专利摘要】本发明提供一种快速无损检测大豆种子生活力的方法，所述方法是基于电子鼻原理，采用金属氧化物传感器阵列检测种子产生的挥发气体的成分，将挥发气体的化学信号转变为电信号，根据电信号图谱区分不同生活力的种子，结合BP神经网络对采集的电信号进行建模，实现对未知大豆种子样品的生活力检测。利用本方法，不同生活力种子区分效率可达100％，预测准确度可达100％。本发明所用大豆种子无需经过任何处理，检测过程不直接接触种子，且每次检测耗时仅30秒钟，可实现大豆种子生活力的无破坏性和快速检测。采用本方法检测后，大豆种子可以继续保存、播种或其它用途。
【IPC分类】A01C1/02
【公开号】CN105493687
【申请号】CN201510849232
【发明人】辛霞, 赵婧, 陈晓玲, 尹广鹍, 张金梅, 卢新雄
【申请人】中国农业科学院作物科学研究所
【公开日】2016年4月20日
【申请日】2015年11月27日