高光谱结合理化参数跨品种识别玉米种子贮藏年份

玉米种子老化劣变是影响玉米种子活力的关键因素,因此,识别种子的贮藏时间对于种质资源保存、种子质量鉴定具有重要意义。为实现跨品种玉米种子贮藏年份的准确分类,该研究通过对103个玉米品种种子的理化参数与高光谱波段的相关性结合机器学习算法对不同贮藏年份的玉米种子进行识别。分析玉米种子内部理化参数随贮藏年份增加的变化趋势,筛选出随贮藏年份变化呈现一致变化规律的理化参数。分别基于胚面与胚乳面的全波段光谱数据和特征波长筛选的光谱数据建立分类模型,筛选出最优分类模型。对随贮藏年份变化呈现一致变化规律的理化参数与高光谱波段进行Pearson相关性分析,利用相关性筛选特征波段用于建模。对比了特征波长筛选、相关系数筛选和相关系数筛选与特征波长筛选结合的建模准确率,并验证了模型跨品种检测能力。结果表明,基于相关系数筛选与特征波长筛选结合建立反向传播神经网络(back propagation neural network,BPNN)分类模型的准确率最高,单粒预测准确率为92.3%,群体预测准确率为94.4%。该研究提出的方法通过多个玉米品种的验证,模型具有较高的泛化能力。研究结果可为玉米种子贮藏的精准管理提供理论依据且对种业振兴具有重要的现实意义。

基于LF-NMR的玉米种子PEG引发效果及水分吸收规律

聚乙二醇(polyethylene glycol,PEG)是一种常用的种子引发剂,利用PEG调节种子在引发过程中的水分吸收,是提高种子引发效果的关键。为探究不同PEG引发浓度和引发时间条件下玉米种子水分吸收对引发效果的影响,该研究采用低场核磁共振(low-field nuclear magnetic resonance,LF-NMR)技术动态监测不同浓度PEG引发下玉米种子水分相态变化情况,分析种子水分吸收和引发效果的关系,并结合机器学习算法构建玉米种子引发效果预测模型。结果表明:随着引发时间的增加(0~48 h),结合水含量呈现先增加后逐渐趋于稳定的趋势,而自由水含量则持续上升,总水含量呈现先增加后逐渐减缓的趋势。结合水含量刚进入滞缓阶段,即A21信号幅值基本不再增加,可作为判断玉米种子适宜引发时间的一个指标。此外,利用高斯过程回归(gaussian process regression,GPR)算法结合核磁参数和引发条件构建的模型,对玉米种子发芽率预测的R~2达到0.920,能够快速检测种子的引发效果。通过LF-NMR检测种子引发过程中的水分变化能够实现最优引发条件的快速筛选,该研究为玉米种子引发参数设置和引发效果快速评价提供了新思路。