高光谱成像技术鉴别小麦籽粒品种的研究进展

小麦是重要的粮食作物之一，小麦品种鉴别在作物育种、市场流通、粮食加工等领域均具有十分重要的意义。高光谱技术的出现为小麦品种研究提供了无损检测工具，本文简单介绍了高光谱成像技术鉴别小麦籽粒品种的研究进展。

高光谱成像结合图像（形态、纹理等特征）和光谱信息，可同时快速、无损检测样品的物理（颜色、大小、形状和质地等）和内部组成成分的化学和分子信息（水分、脂肪、蛋白及其他氢键物质），已广泛用于水稻]、玉米、大豆的鉴别研究，在实现小麦籽粒品种快速无损鉴别方面具有可行的理论基础。

近年来，国内外已有基于高光谱成像技术对小麦品种鉴别方面的研究报道，但仍处于初步探索阶段。

Mahesh等采集了加拿大西部种植的8个小麦品种籽粒的960~1700nm波长范围的高光谱信息，比较不同比例的训练集、测试集和验证集的建模效果，研究发现，模型性能随着训练集比例增大而提高。

董高等利用最小二乘-支持向量机（LS-SVM）和最小二乘判别（PLS-DA）算法对单粒小麦850~1700nm波长范围的高光谱信息建立分类模型，实现了强筋、中筋、弱筋3个单籽粒小麦类型之间的分类。

丁秋等采集了10个品种共500个小麦籽粒388~1009nm波长范围的高光谱图像，运用主成分分析法提取三个特征波长，提取特征波长下小麦籽粒图像的形态特征和纹理特征，应用贝叶斯（Bayes）判别分析法进行建模，训练集和预测集的整体正确判别率分别为98%和100%。

张航等基于400-1000nm和900-1700nm波长范围的高光谱信息建立了小麦品种的主成分分析-支持向量机（PCA-SVM）分类模型，结果发现900~1700nm波长范围建模效果优于400~1000nm，其中3个品种间种子分类正确率平均达到95%以上，4个品种间种子分类准确率在80%左右，6个品种间种子分类准确率在66%左右。

Bao等12]采集了5个小麦品种874~1734nm波长范围的高光谱信息，采用变量标准化算法（SNV）、多元散射校正（MSC）和小波变换（WT）等进行光谱预处理，应用主成分分析（PCA）、连续投影法（SPA）和随机森林（RF）提取特征波长，基于全波长和特征波长建立线性判别（LDA）、支持向量机（SVM）和极限学习机（ELM）分类模型。发现基于全波长的ELM模型性能最佳，训练集和预测集分别为91.3%和86.26%。

吴永清等利用高光谱成像技术采集小麦籽粒光谱和图像信息，优选不同部位光谱、预处理方法和特征波长提取方法；在此基础上，建立基于光谱信息、形态特征信息、光谱和形态特征信息结合的分类模型，构建小麦品种快速、无损、有效、稳定的鉴别技术。研究发现：基于胚、胚乳和胚、胚乳部位混合光谱所建模型中，胚乳部位的建模效果最佳，其训练集和预测集的正确判别率分别为78.7%和79.3%。

目前高光谱成像技术应用于小麦籽粒品种鉴别的模型正确判别率、稳定性以及重现性等问题尚需要进一步的研究和探讨。