基于RAPD标记竹节参及其近缘植物的品种鉴别

目的建立竹节参及其近缘人参属植物种间快速鉴别体系。方法采用RAPD技术获得DNA指纹图谱,根据图谱中特异性条带,绘制人工绘制品种鉴定图(MCID)。结果从16条随机引物中筛选出能稳定扩增并且具有特异性条带的4条引物构建DNA指纹图谱,共扩增出46条带,其中多态性条带42条,多态性比率为91.30%。利用其中的多态性条带,绘制出图谱关系分析图,构成竹节参及其近缘植物的人工绘制品种鉴定图。结论该方法快速简单,结果直观可靠,为竹节参及近缘品种的初步鉴别提供了一种有效可行的方法。

基于高光谱图像技术的油菜籽品种鉴别方法研究

提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法．采集多个品种油菜籽400～1000cm范围的高光谱图像数据，通过主成分分析法（PCA）获得主成分图像，确定特征波长；采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数，应用人工神经网络建立油菜籽品种鉴别模型．结果表明，模型训练时品种判别率为93．75％，预测的判别率为91．67％．说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用．

近红外玉米品种鉴别系统预处理和波长选择方法

以7个品种玉米籽粒的鉴别系统为研究对象,对比研究了6种预处理方法和波长选择对模型鉴别能力的影响。结果表明,在被比较的6种预处理方法中,一阶导数方法能够使模型有更好的鉴别性能。使用一阶导数预处理和全光谱区的模型平均正确识别率和正确拒识率最高,分别为98.6%和98%,有5个品种的模型的正确识别率和正确拒识率都达到了100%。波长选择对一阶导数模型没有明显作用,但能使标准正态变量变换和矢量归一化模型鉴别准确度得到较大提高。

基于低秩自动编码器及高光谱图像的茶叶品种鉴别

提出一种基于低秩自动编码器及高光谱图像技术的茶叶品种鉴别方法。应用高光谱成像系统采集5个品种的茶叶样本高光谱图像数据,利用ENVI软件确定高光谱图像的感兴趣区域(ROI),并提取茶叶样本在ROI的平均光谱作为该样本的原始光谱数据。由于高光谱信息量大、冗余性强且存在噪声,运用自动编码器和低秩矩阵恢复结合的低秩自动编码器(LR-SAE)对原始光谱数据进行降维,在自动编码器降维基础上加入去噪处理,提取鲁棒判别特征。在此基础上应用支持向量机(SVM)和Softmax分类算法对降维后的茶叶样本高光谱数据分类。通过5折交叉试验验证,LR-SAE-SVM模型的预测集准确率达到99.37%,SAE-SVM模型的预测集准确率为98.82%;LR-SAE-Softmax模型的预测集准确率达99.04%,SAE-Softmax模型的预测集准确率为97.99%。研究结果表明,相较于未进行去噪处理的传统自动编码器,LR-SAE降维之后的分类建模效果有所提升,将其应用于茶叶品种鉴别是可行、高效的。

葡萄AFLP技术体系建立及其在超藤与藤稔葡萄品种鉴别中的应用

超藤葡萄是藤稔葡萄的一个芽变品种,由于2者亲缘关系十分接近,应用形态学手段以及RAPD分子标记不易区分。针对葡萄叶片富含多糖和多酚类等杂质的特点,从基因组DNA纯化入手,对AFLP流程进行了优化改进,建立了葡萄AFLP体系,并成功地对此2个品种进行了区分。采用引物组合M-CAT+E-ACG进行AFLP扩增,超藤葡萄出现167bp特异带。

新疆早熟棉品种SSR指纹图谱构建与品种鉴别

以新疆自1978年以来审定命名的42个早熟棉品种为材料,利用SSR分子标记对新疆早熟棉品种进行研究。从2300对SSR引物中筛选出了52对具有稳定多态性的引物,每对引物可检测到3～24个多态性片段,共检测到506个,平均9.7个,片段大小介于100～2000bp之间。对所得到的52个SSR指纹图谱进行组合和综合分析,用其中2对就可将所有供试品种区分开来。同时,分别对42个早熟棉品种进行指纹分析,获得各个品种的特异性指纹,可为今后棉花种子真伪快速鉴别奠定基础。

11个芒果品种SSR指纹图谱的构建与品种鉴别

以11个有一定代表性的芒果品种为试材,从16对SSR引物中筛选14对多态性引物构建11个品种的指纹图谱。结果共检测出61个片段,其中多态性片段56个,每对引物可以检测到2～10个数目不等的片段,平均为4.4个,片段大小介于100～540bp之间。11个芒果品种的SSR指纹图谱互不相同,可以作为各品种的特定图谱,单一多态性引物能将11个芒果品种区分为2～5个类型,平均为3.3个类型。14对多态性引物中不同的4对核心引物指纹图谱可以将11个品种区分开。

中药沙苑子品种鉴别及质量评价

目的 :了解中药沙苑子品种情况 ,为建立沙苑子药材质量评价方法提供依据。方法 :运用TLC法和分光光度法对所收集的 2 2份市售沙苑子药材主要有效成分黄酮进行鉴别研究和总黄酮含量测定。结果 :市售沙苑子主要有 3种来源 ,豆科黄芪属植物扁茎黄芪、直立黄芪和紫云英 ,利用TLC法可使 3者较好的鉴别开来。样品中总黄酮含量在 0 .3%～ 1.0 %。结论 :市售沙苑子药材主流为扁茎黄芪同时偶有直立黄芪和紫云英混淆使用 ;TLC方法可以作为沙苑子药材鉴别的手段 ;扁茎黄芪总黄酮含量在 0 .33%～ 0 .82 %。

紫云英SSR分子标记的开发及在品种鉴别中的应用

利用生物素标记的(AG)15、(CT)15、(AC)15、(GT)15探针及链霉素亲和磁珠,从紫云英的基因组中富集微卫星(SSR)序列。在用富集片段构建插入文库的950个转化子中,经PCR检测及测序共得到127个SSR序列,微卫星序列的富集效率达15.8%。除去重复或无效的序列,得到33个序列用于引物设计。对征集的9个紫云英品种进行多态性分析,有6对引物扩增出明显且稳定的多态性位点18个。在紫云英的品种水平上,这些SSR位点产生的多态率为50%～100%,有效等位基因数为1.19～1.64,Nei氏遗传多样性为0.13～0.38,Shannon多态信息指数为0.22～0.56;利用这6对引物可将参试品种完全区分开,证明这些SSR位点可用于紫云英品种的指纹鉴别。根据SSR位点的相似性系数,将9个紫云英品种主要聚成两个类群,与传统按生育期的紫云英品种划分结果无必然的联系。

ISSR在油茶品种鉴别和遗传多样性分析中的应用

分子标记技术是准确鉴别油茶品种的重要手段之一。以湖南、湖北两省主要油茶品种为试验材料,利用ISSR分子标记技术分析了66个油茶品种的遗传多样性,揭示了各品种间的亲缘关系并对其进行了有效鉴别。结果表明:从100条引物中筛选出6条引物对66个油茶品种的基因组DNA进行扩增,获得了121条可以统计的扩增产物,其中多态性条带数(NPB)为112条,多态位点百分率为92.56%(PPB),平均等位基因观察值为1.933 9,平均有效等位基因为1.650 9,基因多样性指数即平均期望杂合度为0.369 8,Shannon信息指数为0.541 7,说明油茶品种间的遗传多样性水平较高。根据扩增图谱条带的有无、多少和不同引物提供的谱带类型组合对供试油茶品种进行了鉴别。

基于可见/近红外光谱谱区有效波长的梨品种鉴别

基于最小二乘支持向量机(LS-SVM)建模方法,提出应用梨在可见/近红外光谱谱区的有效波长(EW)进行其品种鉴别的新方法。用210个样本作为建模定标集,30个样本进行预测。根据偏最小二乘法分析载荷图和回归系数图选择鉴别梨品种的有效波长,并建立EW与最小二乘支持向量机相结合的EW-LS-SVM模型,同时与应用逆反馈人工神经网络(BP-ANN)建立的EW-BP-ANN模型进行判别准确率的比较。结果表明,应用LS-SVM和BP-ANN建立的模型对建模样本和预测集样本的判别准确率分别为100%和93.3%。研究表明,应用EW-LS-SVM模型进行梨品种鉴别是可行的。

云南省澳洲坚果品种鉴别分析研究

澳洲坚果新品种的不断引进、培育及引进品种命名的标准不统一,对澳洲坚果种植户鉴认或引进澳洲坚果品种造成了一定困难。本研究以云南省热带作物科学研究所设在瑞丽、普洱、景洪等地的澳洲坚果品比点中的40个澳洲坚果品种为试验材料,以国际植物新品种保护联盟(UPOV)推荐的品种特征及澳洲坚果种质资源描述规范为指南,对40个澳洲坚果品种叶片和果实的相关特征性状(叶片轮生情况、新梢颜色、叶片形状、叶尖形状、叶基形状、叶形指数、叶柄长度、叶缘波形数、叶缘刺、果颈特性、果顶尖突起特性、壳果形状、果皮质地、腹缝线、果斑纹分布、壳果白点分布)进行了鉴别分类,结果表明:在兼顾植物品种特异性、一致性和稳定性(DUS)条件下,使用了5个叶片及4个果实特征因子后,40个澳洲坚果品种得到很好的鉴别。

基于光谱技术的桔子汁品种鉴别方法的研究

为了实现桔子汁不同品种的快速光谱鉴别,首先采用主成分分析法对光谱数据进行聚类分析,从定性分析的角度得到四种不同品种桔子汁的特征差异。同时将小波变换用于对大量光谱数据的压缩,并结合RBF神经网络建立桔子汁品种鉴别的定量分析模型。该模型将小波压缩后的数据作为神经网络的输入向量,建立径向基函数RBF神经网络。4个品种共240个样本用来建立RBF神经网络的训练模型,剩余的60个样本用于预测。预测结果表明,小波变换结合RBF神经网络的桔子汁品种鉴别的准确率达到100%。说明文章提出的基于光谱技术的鉴别方法具有很好的分类能力,它为桔子汁品种的快速鉴别提供了一种新方法。

10个藕莲品种SSR指纹图谱的构建与品种鉴别

在开发出莲基因组SSR引物对的基础上,采用SSR分子标记技术尝试鉴别10个藕莲推广品种。筛选出16对SSR有效引物进行PCR扩增,其中6对引物CL1、CL2、CL4、CL9、CL14、CL16共扩增出15条多态性条带,对所得到的10个藕莲品种的SSR指纹图谱进行组合和综合分析,可以将供试的10个品种区分开来。表明利用SSR技术进行藕莲品种鉴定是可行而有效的。

基于叶绿素荧光光谱和反射光谱的甜瓜种子品种鉴别

甜瓜的品种多样,富含多种营养成分,甜瓜种子品种不纯将对甜瓜生产造成一定危害,研究采用种子的叶绿素荧光光谱结合反射光谱的分析方法鉴别甜瓜种子品种,以甜瓜品种"一特白"、"一特金"、"京蜜7号"、"京蜜11号"、"伊丽莎白"为研究对象。构建了甜瓜种子品种鉴别光谱系统,包括激发光源单元、光谱数据采集单元和数据处理单元,使用该系统获取不同品种甜瓜种子的光谱数据。对光谱数据分别进行一阶导数(first derivative,FD),Savitzky-Golay(SG)平滑,FD结合SG平滑预处理。采用主成分分析(principal component analysis,PCA)方法降低光谱数据的维数,提取主成分。使用两种不同分组方法将样品按照3∶1的比例分为训练集和验证集,并分别采用Fisher判别和Bayes判别分析方法建立甜瓜种子品种的判别模型。本文比较了仅使用叶绿素荧光光谱与使用叶绿素荧光光谱结合反射光谱建立判别模型的判别结果,结果显示,使用叶绿素荧光光谱结合反射光谱建模的判别结果优于仅使用叶绿素荧光光谱建模的判别结果,Fisher判别分析和Bayes判别分析的验证集样品品种的判别正确率均达到98.0%。研究结果表明,采用叶绿素荧光光谱结合反射光谱鉴别甜瓜种子品种具有可行性。

分子标记在林业植物新品种鉴别中的应用及前景

在对林业植物新品种的鉴别中,对于有异议的品种,采用分子标记作为辅助手段去鉴别;法院审理植物新品种权纠纷案件时,作为判案证据,采用分子标记鉴别是快速而有效的途径。分子标记在植物品种特异性、特别是无性繁殖的无性系品种的鉴别上有广阔前景。一旦我国实行国际植物新品种保护公约1991年文本,分子标记将作为必要方法应用于某些实质性派生品种的鉴别。

分子标记技术在中药品种鉴别中的应用

目的：介绍现代生物技术———ＤＮＡ分子标记及其分析方法在中药品种鉴别上的应用和意义。方法：以国内外有代表性的论文为基础，进行整理与归纳。传统分子标记技术有抗血清、蛋白质、同工酶；目前ＤＮＡ分子标记有ＲＦＬＰ，ＰＣＲ，ＤＮＡ序列，ＡＰＰＣＲ和ＲＡＰＤ。结果：分析了传统的分子标记（如生物化学、酶学、血清学特征）特点、适用范围和局限性，介绍了ＤＮＡ分子标记技术的研究成果和进展。结论：ＤＮＡ分子标记技术对中药品种鉴别具有广阔的应用前景。

一种用于玉米品种鉴别的近红外光谱频率选择方法

提出了一种近红外光谱的频率选择方法用于玉米品种鉴别。首先确定一种衡量特征鉴别能力的准则函数,然后根据该准则函数逐步选出适合于分类的特征频率,并通过去除各频率特征之间的相关性使得优选出的频率特征包含尽可能多的品种类间差异信息,优先选择方差较大的频率特征以减弱噪声的影响。实验结果表明,频率选择大幅度地改善了识别效果,仅使用30维频率特征即可达到94.16%的识别率。随机模拟实验显示,优选出的频率特征的识别效果对频率的小幅随机扰动不敏感,验证了本方法的鲁棒性。

基于无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别研究

为解决模糊学习矢量量化（FLVQ）对噪声数据敏感问题,在无监督可能模糊聚类（UPFC）基础上提出一种无监督可能模糊学习矢量量化（UPFLVQ）算法。UPFLVQ用UPFC的隶属度和典型值来更新学习矢量量化网络的学习速率,计算类中心矢量。UPFLVQ属于无监督机器学习算法,适用于无学习样本情况下的样本分类。研究了UPFLVQ用于近红外光谱生菜品种鉴别的可行性。采用FieldSpec@3型便携式光谱分析仪获取波长范围为350~2 500nm的三种生菜样本的短波近红外光谱和长波近红外光谱,然后采用主成分分析（PCA）进行近红外光谱的维数压缩,取前三个主成分,累计可信度达97.50%,将2151维的近红外光谱压缩为三维数据。再运行模糊C-均值聚类（FCM）至迭代终止,并以FCM的类中心作为UPFLVQ的初始聚类中心,最后运行UPFLVQ得到隶属度和典型值以实现近红外光谱的生菜品种鉴别。同时,运行UPFC进行近红外光谱的生菜品种鉴别。实验结果表明：UPFLVQ和近红外光谱技术相结合的模型具有检测速度快,鉴别准确率高,对生菜不造成损坏等优点,可实现不同品种生菜的鉴别。UPFLVQ是将UPFC和FLVQ相结合的聚类算法,利用UPFLVQ建立近红外光谱的生菜品种鉴别模型时无需学习样本,适用于线性可分的数据聚类,为快速和无损地鉴别生菜品种提供了一种新的方法。

应用有效波长进行奶茶品种鉴别的研究

基于最小二乘支持向量机建模方法,提出应用奶茶在可见/近红外光谱谱区的有效波长进行其品种鉴别的新方法.用225个样本建模,75个样本进行预测.通过对光谱数据进行偏最小二乘法分析,根据载荷图和回归系数图选择鉴别奶茶品种的有效波长(EW),并建立EW与最小二乘支持向量机(LS-SVM)相结合的EW-LS-SVM模型,同时与应用主成分(PC)和小波变换(WT)建立的PC-LS-SVM和WT-LS-SVM模型进行判别准确率的比较.结果表明,应用EW、PC和WT建立的模型对建模样本的判别准确率均为100%,对预测集样本判别准确率分别为98.7%、98.7%和100%,获得了理想的鉴别效果.研究表明,应用可见/近红外光谱谱区的有效波长进行奶茶品种鉴别是可行的,且EW-LS-SVM模型能获得满意的鉴别精度.