張伏，張朝臣，陳自均，滕帥，徐銳良

(1. 河南科技大學(xué)農(nóng)業(yè)裝備工程學(xué)院，河南洛陽(yáng)，471003； 2. 河南科技大學(xué)車(chē)輛與交通工程學(xué)院，河南洛陽(yáng)，471003)

0 引言

玉米是我國(guó)主要的糧食作物和重要的戰(zhàn)略?xún)?chǔ)備糧[1]。玉米種子質(zhì)量直接影響玉米產(chǎn)量，為確保種子質(zhì)量，需對(duì)玉米種子質(zhì)量進(jìn)行檢測(cè)。傳統(tǒng)種子質(zhì)量測(cè)定方法，如田間小區(qū)試驗(yàn)、種子幼苗生長(zhǎng)測(cè)定等方法，具有耗時(shí)長(zhǎng)、主觀(guān)因素影響大、損耗種子量較多等缺點(diǎn)[2-3]，因此，尋找一種便捷、無(wú)損、高效的玉米種子質(zhì)量檢測(cè)方法顯得尤為重要。

近紅外光[4](Near Infrared)是一種介于可見(jiàn)光(VIS)和中紅外(MIR)的電磁波，其波長(zhǎng)范圍為：780～2 500 nm，不同玉米種子的活力、含水率、表面特征等均有不同，其光譜響應(yīng)曲線(xiàn)存在一定差異，這種差異和變化可作為鑒別玉米種子信息的依據(jù)，進(jìn)而實(shí)現(xiàn)對(duì)玉米種子質(zhì)量檢測(cè)分析。作為一種物理測(cè)定技術(shù)，近紅外光譜分析技術(shù)以其無(wú)污染、無(wú)損、成本低、便捷、無(wú)需預(yù)處理樣本等特點(diǎn)被廣泛應(yīng)用到農(nóng)產(chǎn)品檢測(cè)、中草藥鑒別、化工成分檢測(cè)等領(lǐng)域[5-9]。為獲取種子更多的特征信息，國(guó)內(nèi)外學(xué)者將高光譜成像技術(shù)應(yīng)用于種子質(zhì)量檢測(cè)方面，并取得不錯(cuò)的效果[10-11]。高光譜成像技術(shù)可在紫外波段(200～400 nm)、可見(jiàn)光波段(400～760 nm)、近紅外波段(760～2 560 nm)以及波長(zhǎng)大于2 560 nm的波段獲取大量窄波段連續(xù)光譜圖像數(shù)據(jù)[12-13]，其包含的圖像信息和光譜信息分別從外觀(guān)上反映被測(cè)樣本形態(tài)學(xué)特征，從內(nèi)部反映被測(cè)樣本物理結(jié)構(gòu)和化學(xué)成分，進(jìn)而實(shí)現(xiàn)對(duì)被測(cè)物內(nèi)外部的綜合評(píng)價(jià)。

因此，光譜檢測(cè)技術(shù)將是玉米種子質(zhì)量檢測(cè)過(guò)程中的研究重點(diǎn)。本研究在歸納傳統(tǒng)常規(guī)玉米種子檢測(cè)方法基礎(chǔ)上，基于光譜檢測(cè)技術(shù)流程，對(duì)比分析了光譜檢測(cè)玉米種子活力、含水率與病害、品種與產(chǎn)地等研究現(xiàn)狀，并闡述了光譜檢測(cè)技術(shù)在玉米種子質(zhì)量檢測(cè)領(lǐng)域的現(xiàn)存問(wèn)題和未來(lái)研究重點(diǎn)。

1 玉米種子檢測(cè)技術(shù)

1.1 傳統(tǒng)玉米種子質(zhì)量檢測(cè)

種子質(zhì)量檢測(cè)[14]是利用科學(xué)方法對(duì)種子品質(zhì)進(jìn)行檢驗(yàn)、分析，并在此基礎(chǔ)上進(jìn)行分類(lèi)的過(guò)程。表1為傳統(tǒng)玉米種子質(zhì)量檢測(cè)內(nèi)容、方法及其優(yōu)缺點(diǎn)。

從研究?jī)?nèi)容來(lái)看，玉米種子活力、含水率、病蟲(chóng)害、品種產(chǎn)地是玉米種子質(zhì)量檢測(cè)的研究重點(diǎn)。從研究方法來(lái)看，傳統(tǒng)的玉米種子質(zhì)量檢測(cè)方法劃分為經(jīng)驗(yàn)法、物理法、化學(xué)法，其大多存在著繁瑣、耗時(shí)長(zhǎng)、受實(shí)驗(yàn)地點(diǎn)限制等弊端，已不能有力推動(dòng)種子行業(yè)快速發(fā)展。

表1 傳統(tǒng)玉米種子質(zhì)量檢測(cè)方法優(yōu)缺點(diǎn)

1.2 玉米種子光譜檢測(cè)

由表1可得，傳統(tǒng)的玉米種子質(zhì)量檢驗(yàn)方法受主觀(guān)因素影響，其檢測(cè)結(jié)果差異較大，且費(fèi)時(shí)、費(fèi)事，無(wú)法滿(mǎn)足當(dāng)前種業(yè)市場(chǎng)快速發(fā)展的需求。故光譜檢測(cè)技術(shù)在玉米種子質(zhì)量方面的檢測(cè)研究逐漸受到關(guān)注。玉米種子光譜檢測(cè)流程如圖1所示。

圖1 玉米種子光譜檢測(cè)流程Fig. 1 Process of maize seed spectral detection

為保證所建立預(yù)測(cè)模型的準(zhǔn)確性，需嚴(yán)格遵照光譜建模流程。在使用光譜儀器對(duì)種子數(shù)據(jù)采集之前要考慮其研究方法的性質(zhì)，即明確對(duì)其進(jìn)行定性分析或定量分析。然后，采用標(biāo)準(zhǔn)方法對(duì)其進(jìn)行判別以便對(duì)所建立模型的精度進(jìn)行驗(yàn)證。進(jìn)而完成樣本數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理，并基于特征波長(zhǎng)構(gòu)建相應(yīng)的預(yù)測(cè)模型。樣本數(shù)據(jù)采集過(guò)程中應(yīng)避免其他光線(xiàn)干擾，數(shù)據(jù)預(yù)處理是為剔除異常樣本數(shù)據(jù)，選擇特征波長(zhǎng)可減少運(yùn)算過(guò)程中的多余運(yùn)算。尤其使用高光譜成像系統(tǒng)采集圖像時(shí)，還需按照式(1)對(duì)原始光譜圖像進(jìn)行校正。光譜檢測(cè)技術(shù)流程為合理高效地完成玉米種子質(zhì)量檢測(cè)提供基礎(chǔ)。

(1)

式中：RC——校正后的光譜圖像；

Ro——未經(jīng)校正的光譜圖像；

Rb——關(guān)閉光源并蓋緊鏡頭后采集的暗參考圖像；

Rw——采集的標(biāo)準(zhǔn)白板的漫反射圖像。

2 玉米種子質(zhì)量光譜檢測(cè)

2.1 玉米種子活力檢測(cè)

國(guó)外學(xué)者將種子活力定義為：幼苗在萌芽的基礎(chǔ)上具備一種迅速健壯生長(zhǎng)而頑強(qiáng)的能力[15]。而國(guó)內(nèi)常認(rèn)為“種子活力即種子健壯度，其包括迅速整齊的出苗率、幼苗的生長(zhǎng)潛力，植株的抗逆能力以及生產(chǎn)潛力”[16]。由此可見(jiàn)，種子活力是衡量其質(zhì)量的一個(gè)重要指標(biāo)。若利用光譜技術(shù)快速無(wú)損檢測(cè)種子活力，將對(duì)作物生產(chǎn)具有重大的意義。

最早研究種子活力近紅外光譜檢測(cè)的是國(guó)外學(xué)者Tigabu[17]，結(jié)合多變量分析實(shí)現(xiàn)對(duì)松樹(shù)種子活力快速分析。Ambrose等[18]采用高光譜成像技術(shù)，在400～2 500 nm波段內(nèi)，獲取未處理玉米種子和經(jīng)微波加熱老化處理的玉種子的光譜圖像，采用偏最小二乘判別分析方法(PLS-DA)建立的模型對(duì)兩種玉米判斷，結(jié)果表明，預(yù)測(cè)集準(zhǔn)確率為95.6%。楊冬風(fēng)等[19]把經(jīng)過(guò)處理后的特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入，在選定的波長(zhǎng)范圍861～2 500 nm內(nèi)構(gòu)建并選出最佳玉米種子活力智能模型，其識(shí)別準(zhǔn)確率可達(dá)95%。白京等[20]以紅墨水染色法判定玉米種子樣品活力為對(duì)照試驗(yàn)(圖2)，采集玉米種子450～900 nm波段范圍內(nèi)的光譜曲線(xiàn)，通過(guò)平滑(SG)預(yù)處理減小噪聲，然后基于主成分分析(PCA)方法提取主成分，運(yùn)用支持向量機(jī)(SVM)方法建立定性模型，其預(yù)測(cè)集準(zhǔn)確率為86.67%。李武等[21]選取8個(gè)品種玉米種子作為研究對(duì)象，在908.1～1 676.0 nm波長(zhǎng)范圍內(nèi)對(duì)其實(shí)現(xiàn)光譜信息采集和生理檢測(cè)，并利用偏最小二乘回歸(PLSR)建立相應(yīng)的定量模型，實(shí)現(xiàn)對(duì)玉米種子活力快速無(wú)損檢測(cè)。尹淑欣等[22]將采用主成分分析(PCA)方法提取的光譜特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入，構(gòu)建出BP神經(jīng)網(wǎng)絡(luò)種子活力檢測(cè)模型，其識(shí)別準(zhǔn)確率為90.3%，平均識(shí)別時(shí)間為27.36 ms。

(a) 有活力種子 (b) 無(wú)活力種子

綜上所述，光譜檢測(cè)技術(shù)已發(fā)展成為測(cè)定玉米種子活力的關(guān)鍵技術(shù)方法，可滿(mǎn)足玉米種子質(zhì)量檢驗(yàn)快速、高效的要求，隨著光譜技術(shù)的快速發(fā)展，有效推進(jìn)玉米種子質(zhì)量檢驗(yàn)方法的優(yōu)化選擇，進(jìn)一步促進(jìn)種業(yè)質(zhì)量的發(fā)展。

2.2 玉米種子含水率與病害檢測(cè)

種子的檢測(cè)、貯藏、育種等過(guò)程中，需要測(cè)定種子的水分[23]。水分測(cè)定是按規(guī)定程序把種子樣品烘干，用所失去的重量占供檢樣品原始重量的百分率表示。目前傳統(tǒng)測(cè)定種子含水率的方法是直接測(cè)定法，如烘干減重法、甲苯蒸餾法、化學(xué)法和紅外線(xiàn)加熱法[24]。但上述方法對(duì)種子具有破壞性，操作較繁瑣，難以滿(mǎn)足科研和生產(chǎn)實(shí)際需求。

李江波等[25]采用高光譜成像(圖3)與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的方式，基于491、772、824和870 nm四個(gè)特征波長(zhǎng)建立了玉米粒含水量預(yù)測(cè)模型，其相關(guān)系數(shù)達(dá)到0.98。王超鵬等[26]為消除種子放置方式的影響，基于高光譜成像和圖像處理技術(shù)，結(jié)合變量篩選法，針對(duì)玉米種子正反面放置的不同分別建立對(duì)應(yīng)的含水率(MC)預(yù)測(cè)模型，得出相較于反面胚乳部，正面胚乳部區(qū)域的光譜曲線(xiàn)所建立的含水率預(yù)測(cè)模型檢測(cè)效果更好的結(jié)論。

圖3 高光譜成像系統(tǒng)Fig. 3 Hyperspectral imaging system1.輸送裝置 2.光源 3.計(jì)算機(jī) 4.攝像機(jī)5.光譜儀 6.樣本 7.載物臺(tái)

此外，光譜檢測(cè)技術(shù)還可用于玉米種子儲(chǔ)藏過(guò)程中霉變檢測(cè)，如Wang等[27]將制備的四種不同濃度的黃曲霉素溶液分別沉積在玉米籽粒表面，利用高光譜成像技術(shù)結(jié)合主成分分析(PCA)和逐步階乘判別(FDA)建立預(yù)測(cè)模型，可檢測(cè)濃度低至10 ppb的黃曲霉素(AFB1)，其預(yù)測(cè)集精度在88%以上；另外，該團(tuán)隊(duì)還進(jìn)一步發(fā)現(xiàn)1 729 nm和2 344 nm的波長(zhǎng)可有效檢測(cè)玉米種子表面的黃曲霉素[28]。Kandpal等[29]針對(duì)玉米種子中有毒代謝物快速、準(zhǔn)確檢測(cè)的問(wèn)題，在1 100～1 700 nm的光譜范圍內(nèi)，采用短波紅外高光譜技術(shù)對(duì)經(jīng)四種不同濃度的黃曲霉素B1試液和PBS溶液處理的五批玉米種子進(jìn)行掃描，建立偏最小二乘判別分析(PLS-DA)模型，其判別精度達(dá)96.9%。以上研究表明，高光譜技術(shù)多用于單粒玉米種子含水率，病害檢測(cè)，而近紅外光譜技術(shù)在此方面研究較少。

2.3 玉米種子品種與產(chǎn)地鑒別

玉米種子產(chǎn)地和品種的鑒別研究，對(duì)我國(guó)的食品安全追溯制度建立具有積極作用，便于在面臨食品安全問(wèn)題時(shí)迅速鎖定問(wèn)題源頭并及時(shí)召回[30-31]。因此，利用光譜檢測(cè)技術(shù)，研究玉米種子源產(chǎn)地和品種鑒別具有重要的實(shí)際價(jià)值。

國(guó)內(nèi)外學(xué)者對(duì)于光譜檢測(cè)技術(shù)在玉米種子鑒別的研究總結(jié)如表2，Huang等[32]以四個(gè)品種共2 000粒種子為研究對(duì)象，利用高光譜成像技術(shù)獲取在400～1 000 nm 范圍內(nèi)的圖像，采用最小二乘支持向量機(jī)(LSSVM)結(jié)合增量支持向量描述(SVDD)建立在線(xiàn)更新模型，其分類(lèi)準(zhǔn)確率可達(dá)94.4%。王慶國(guó)等[33]針對(duì)玉米種子產(chǎn)地和年份無(wú)損鑒別難題，以不同產(chǎn)地和年份的玉米種子作為研究對(duì)象，利用高光譜圖像技術(shù)采集高光譜圖像，在400～1 000 nm波段范圍內(nèi)對(duì)其進(jìn)行輪廓提取并得到四種特征，分別為均值、標(biāo)準(zhǔn)差、熵和能量，利用均值及預(yù)處理方法建立了偏最小二乘判別分析(PLS-DA)模型，訓(xùn)練集和測(cè)試集精度分別為99.11%和98.39%，但樣本種類(lèi)數(shù)量有限，模型還需進(jìn)一步驗(yàn)證。韓仲志等[34]針對(duì)近紅外光譜在玉米種子品種與產(chǎn)地鑒別應(yīng)用問(wèn)題，在830～2 500 nm的波長(zhǎng)范圍內(nèi)采集了8個(gè)玉米品種的近紅外光譜數(shù)據(jù)，基于主成分分析法(PCA)提取特征光譜數(shù)據(jù)，結(jié)合人工神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)建立了相應(yīng)模型，對(duì)玉米種子品種和產(chǎn)地的鑒別準(zhǔn)確率整體分別在90%和95%以上。針對(duì)傳統(tǒng)分類(lèi)器缺乏對(duì)新類(lèi)別樣本識(shí)別能力的問(wèn)題，朱啟兵等[35]獲取了玉米樣本在400～1 000 nm波段范圍內(nèi)的高光譜圖像，提取玉米種子在各個(gè)波段下的圖像熵作為分類(lèi)特征，并利用支持向量數(shù)據(jù)描述方法(SVDD)構(gòu)建了每類(lèi)玉米的分類(lèi)器模型，該方法對(duì)待識(shí)別樣本的測(cè)試精度達(dá)到了94.14%，對(duì)新類(lèi)別樣本的識(shí)別精度達(dá)到92.28%。王徽蓉等[36]采集了37個(gè)種類(lèi)玉米種子樣品的光譜數(shù)據(jù)，結(jié)合遺傳算法(GA)對(duì)特征光譜波段選擇，所建模型對(duì)預(yù)測(cè)集樣本的平均正確拒識(shí)率達(dá)到99.65%。從上述中發(fā)現(xiàn)，光譜技術(shù)結(jié)合圖像技術(shù)及算法，可更好地對(duì)玉米種子進(jìn)行品種產(chǎn)地鑒別檢測(cè)。

表2 光譜檢測(cè)技術(shù)在玉米種子鑒別模型對(duì)比表

3 存在問(wèn)題與展望

3.1 存在問(wèn)題

由上述分析可見(jiàn)，近紅外光譜和高光譜檢測(cè)技術(shù)是檢測(cè)玉米種子基團(tuán)結(jié)構(gòu)和化合物含量的重要工具，在研究玉米種子活力、含水率與病害、品種及產(chǎn)地鑒別等問(wèn)題中有巨大作用。光譜檢測(cè)技術(shù)在玉米種子質(zhì)量檢測(cè)方面已有很多成功的應(yīng)用，但也存在以下問(wèn)題。

1) 研究系統(tǒng)化不強(qiáng)。光譜技術(shù)在玉米種子質(zhì)量檢測(cè)方面已有大量應(yīng)用，卻處于一種技術(shù)瓶頸階段。目前種子質(zhì)量光譜檢測(cè)未形成系統(tǒng)研究，只從不同角度證明光譜技術(shù)在此領(lǐng)域的可能性和相關(guān)性，缺少完整的理論體系支撐。

2) 實(shí)際應(yīng)用場(chǎng)景受限。目前，玉米種子光譜檢測(cè)大多在實(shí)驗(yàn)室中完成，所建立的模型穩(wěn)定性差，推廣應(yīng)用和產(chǎn)業(yè)化難度較大。針對(duì)玉米種子某一特征的光譜模型預(yù)測(cè)率大多在90%左右，在室外檢測(cè)存在干擾時(shí)將大幅降低，影響構(gòu)建模型的穩(wěn)定性和準(zhǔn)確性。

3) 光譜數(shù)據(jù)處理效率低。將光譜信息和圖像信息相結(jié)合的高光譜技術(shù)會(huì)更廣泛運(yùn)用于玉米種子質(zhì)量檢測(cè)，但隨之而來(lái)的冗余數(shù)據(jù)會(huì)加大數(shù)據(jù)處理的負(fù)擔(dān)，使其檢測(cè)效率大打折扣。

3.2 展望

針對(duì)上述研究現(xiàn)狀及現(xiàn)存問(wèn)題，未來(lái)幾年有可能從以下幾個(gè)方向展開(kāi)研究。

1) 更應(yīng)注重多學(xué)科交叉合作研究，建立玉米種子光譜信息數(shù)據(jù)庫(kù)，為檢測(cè)系統(tǒng)的完善和優(yōu)化提供重要的參考依據(jù)，形成光譜檢測(cè)技術(shù)對(duì)玉米種子質(zhì)量檢測(cè)的完整體系。

2) 今后的研究中應(yīng)著重研發(fā)便攜檢測(cè)設(shè)備，以提高其田間作業(yè)的抗干擾能力，增強(qiáng)其實(shí)用價(jià)值。

3) 應(yīng)著重將新方法、新算法，如深度學(xué)習(xí)算法等引入到高光譜數(shù)據(jù)處理中，從而提高檢測(cè)效率，達(dá)到在線(xiàn)檢測(cè)的目的。

未來(lái)種子質(zhì)量光譜檢測(cè)技術(shù)應(yīng)主要圍繞解決技術(shù)的系統(tǒng)化、應(yīng)用場(chǎng)景、數(shù)據(jù)處理效率存在的問(wèn)題，展開(kāi)多學(xué)科交叉系統(tǒng)和廣泛的實(shí)際場(chǎng)景等方面的研究工作，以期達(dá)到種子活力、含水率與病害、品種與產(chǎn)地等特征快速、無(wú)損檢測(cè)，為作物豐產(chǎn)高效奠定基礎(chǔ)。