论文部分内容阅读
棉花品种天然混杂退化和人为惨假等现象，是引起种子市场混乱和种子质量问题的主要原因，给棉农和棉花生产带来严重的经济损失。因此，为了提高棉花的产量和质量、维护种子市场的秩序、减少纠纷和经济损失、维护棉农的切身利益，棉花种子的真实性和品种纯度鉴定十分必要。当前，棉花杂交种种子纯度和真实性检测是一项关键技术，通过检测不仅有利于对棉花种子销售进行监管，也便于对品种进行保护。据相关统计:中国每年将有超过十几个棉花品种通过国家评审，大约有500多个棉花品种(系)用于生产种植，但棉花品种纯度和真实性检测方法仍然停留在田间形态检测步骤，通过田间种植，一方面是所需时间较长，因此劣质种子造成的损失往往难以挽回;另一方面是鉴定难度较大，从当代的表现特征难以了解品种的遗传背景。随着分子技术的快速发展，近年来利用分子标记技术快速鉴定棉种纯度已在科研院所等单位应用，却因操作技术难度大、检测成本高等原因，不能在生产上得到广泛应用。
本研究应用光谱技术和籽粒性状快速鉴定棉花品种纯度和真实性。主要方法和途径有:(1)选用77份棉籽样品，选取其中72份样品作为定标集，剩余5份样品作为验证集。样品分为两份，分别用于化学成分的测定和近红外光谱数据的采集。根据定标集化学成分含量，逐项建立样品水分、蛋白质、粗脂肪这3个成分含量的NIR分析模型，以此研究讨论用NIRS技术分析预测棉花种籽中的化学成分含量是否可行;(2)选择5个不同于定标样品的独立样品，来验证建立的分析模型，通过比较预测值和化学的测量值的差值，证明最优模型的预测精度;(3)用主成分分析和BP人工神经网络技术建立棉花品种鉴别模型，并探讨甩该模型鉴别棉花品种的可行性;(4)探究通过棉花籽粒性状特征区分棉花杂交种的可行性。结果表明如下:
1.用化学方法对77份棉籽样品的水分、蛋白质、粗脂肪含量进行了测定，采用72份样品数据建立NIRS定量分析模型，所建水分含量、蛋白质含量、粗脂肪含量的定标模型的定标相关系数(RSQ)分别为:0.998、0.992、0.992；定标标准偏差(SEC)分别为:0.081、0.169、0.235;该模型可以较好地预测棉籽样品水分、蛋白质和粗脂肪含量;
2.利用该模型对5个棉花品种进行了水分、蛋白质、粗脂肪含量的预测，与化学测定值进行比较，比较两种方法的差异，结果表明，进行检测的5个棉花样品中，水分含量的绝对误差最大不超过0.19,相对误差最大为1.70％;蛋白质含量的绝对误差最大不超过0.62，相对误差最大为1.50％;粗脂肪含量的绝对误差最大不超过0.32,相对误差最大为1.52％，结果表明，近红外定标模型可以对棉花品种纯度和真实性进行定量分析;
3.验证集5个棉花品种，分别随机选取25个样本，共采集125个样本的光谱数据，通过主成分分析，前7个主成分能够解释99.696％的原始光谱信息。以每一个样本的前7个主成分作为神经网络的输入，不同棉花的品种值作为神经网络的输出，建立鉴定棉花品种的BP人工神经网络模型。用训练集样品对该模型开展训练后得到一个7输入层节点，11隐含层节点、1输出层节点的三层优化神经网络结构，运用Sigmoid函数作为每一层的传递函数。将BP人工神经网络品种鉴别分析模型的偏差控制在±0.1左右，5次随机抽样的结果显示，该模型对预测集样本品种鉴别率达到100％，可以对不同棉花品种进行有效的鉴别;
4.棉花杂交种及其父、母本在籽粒厚度、长度、重量上存在差异，剥蕾效应在种子的粒型上的影响主要是使种子变得较为短小，其中在影响程度上为:瓣头＞瓣中＞瓣尾，在色泽表现上，剥蕾效应在不同瓣位之间表现不同，色泽差异为:瓣中＞瓣尾＞瓣头。通过籽粒性状研究可以检测棉花品种纯度和真实性。
总之，应用近红外光谱分析技术建立定标模型，能够实现对不同棉花品种化学成分的定量分析，可以对棉籽仁的水分、蛋白质、粗脂肪含量进行快速、准确的检测;BP人工神经网络品种鉴别模型，能够实现对不同棉花品种的定性分析;通过对籽粒性状的初步研究，由于剥蕾效应对杂交种籽粒性状的影响，可以通过籽粒性状鉴别棉花品种纯度和真实性。由此可见，将光谱技术和籽粒性状结合起来，可以广泛用于生产上快速检测棉花品种纯度和真实性。
本研究应用光谱技术和籽粒性状快速鉴定棉花品种纯度和真实性。主要方法和途径有:(1)选用77份棉籽样品，选取其中72份样品作为定标集，剩余5份样品作为验证集。样品分为两份，分别用于化学成分的测定和近红外光谱数据的采集。根据定标集化学成分含量，逐项建立样品水分、蛋白质、粗脂肪这3个成分含量的NIR分析模型，以此研究讨论用NIRS技术分析预测棉花种籽中的化学成分含量是否可行;(2)选择5个不同于定标样品的独立样品，来验证建立的分析模型，通过比较预测值和化学的测量值的差值，证明最优模型的预测精度;(3)用主成分分析和BP人工神经网络技术建立棉花品种鉴别模型，并探讨甩该模型鉴别棉花品种的可行性;(4)探究通过棉花籽粒性状特征区分棉花杂交种的可行性。结果表明如下:
1.用化学方法对77份棉籽样品的水分、蛋白质、粗脂肪含量进行了测定，采用72份样品数据建立NIRS定量分析模型，所建水分含量、蛋白质含量、粗脂肪含量的定标模型的定标相关系数(RSQ)分别为:0.998、0.992、0.992；定标标准偏差(SEC)分别为:0.081、0.169、0.235;该模型可以较好地预测棉籽样品水分、蛋白质和粗脂肪含量;
2.利用该模型对5个棉花品种进行了水分、蛋白质、粗脂肪含量的预测，与化学测定值进行比较，比较两种方法的差异，结果表明，进行检测的5个棉花样品中，水分含量的绝对误差最大不超过0.19,相对误差最大为1.70％;蛋白质含量的绝对误差最大不超过0.62，相对误差最大为1.50％;粗脂肪含量的绝对误差最大不超过0.32,相对误差最大为1.52％，结果表明，近红外定标模型可以对棉花品种纯度和真实性进行定量分析;
3.验证集5个棉花品种，分别随机选取25个样本，共采集125个样本的光谱数据，通过主成分分析，前7个主成分能够解释99.696％的原始光谱信息。以每一个样本的前7个主成分作为神经网络的输入，不同棉花的品种值作为神经网络的输出，建立鉴定棉花品种的BP人工神经网络模型。用训练集样品对该模型开展训练后得到一个7输入层节点，11隐含层节点、1输出层节点的三层优化神经网络结构，运用Sigmoid函数作为每一层的传递函数。将BP人工神经网络品种鉴别分析模型的偏差控制在±0.1左右，5次随机抽样的结果显示，该模型对预测集样本品种鉴别率达到100％，可以对不同棉花品种进行有效的鉴别;
4.棉花杂交种及其父、母本在籽粒厚度、长度、重量上存在差异，剥蕾效应在种子的粒型上的影响主要是使种子变得较为短小，其中在影响程度上为:瓣头＞瓣中＞瓣尾，在色泽表现上，剥蕾效应在不同瓣位之间表现不同，色泽差异为:瓣中＞瓣尾＞瓣头。通过籽粒性状研究可以检测棉花品种纯度和真实性。
总之，应用近红外光谱分析技术建立定标模型，能够实现对不同棉花品种化学成分的定量分析，可以对棉籽仁的水分、蛋白质、粗脂肪含量进行快速、准确的检测;BP人工神经网络品种鉴别模型，能够实现对不同棉花品种的定性分析;通过对籽粒性状的初步研究，由于剥蕾效应对杂交种籽粒性状的影响，可以通过籽粒性状鉴别棉花品种纯度和真实性。由此可见，将光谱技术和籽粒性状结合起来，可以广泛用于生产上快速检测棉花品种纯度和真实性。