快速无损检测小麦种子生活力的方法

摘要

本发明提供一种快速无损检测小麦种子生活力的方法，所述方法是基于电子鼻原理，采用金属氧化物传感器阵列检测种子产生的挥发气体的成分，将挥发气体的化学信号转变为电信号，根据电信号图谱区分不同生活力的种子，结合BP神经网络对采集的电信号进行建模，实现对未知小麦种子样品的生活力检测。利用本方法，不同生活力种子区分效率高于95％，预测准确度在98％以上。本发明所用小麦种子无需经过任何处理，检测过程不直接接触种子，且每次检测耗时仅1分钟，可实现小麦种子生活力的无破坏性和快速检测。采用本方法检测后，小麦种子可以继续保存、播种或其它用途。

说明书

技术领域

本发明涉及种子生活力的测定，具体地说，涉及一种快速无损检 测小麦种子生活力的方法。

背景技术

种子生活力是指种子的生命力，指种子能够萌发长成幼苗的能 力。参照中华人民共和国国家标准《农作物种子检验规程》和《国际 种子检验规程》(InternationalSeedTestingAssociation.International RulesforSeedTesting.2009)，常用的种子生活力检测方法包括：常规 发芽法和四唑染色法。常规发芽方法是最准确，也是最经典、最常用 的方法，但是非常耗时。小麦种子发芽检测需要7天左右，而且每次 检测要损耗100～400粒种子。根据美国种子检验协会发布的“四唑染 色手册”(AOSA/SCSTTetrazoliumTestingHandbook,2010)规定，小 麦种子TZ染色前需要先在20-25℃条件下吸胀4小时乃至18小时，再于 1.0％TZ溶液中染色3个小时，每次检测同样需要消耗100～400粒种子。 由于经过染色，TZ检测后种子无法进行任何他用。同样，发芽检测 后种子已经变成幼苗，除了可以继续培养成植株外，也无法进行他用。

随着技术发展，对种子生活力检测的准确度、速度和无破坏性的 要求越来越高。科研人员进行了很多尝试，研发了相关技术，例如氧 分子流速检测方法(XinX,WanYL,WangWJ,YinGK,McLamoreES, LuXX.Areal-time,non-invasive,micro-optrodetechniquefordetecting seedviabilitybyusingoxygeninflux.ScientificReports,2013,3:3507)， 该方法确实加快了检测速度，但是需要将干种子于检测液中浸泡3小 时左右，因此对种子产生相当的破坏，检测后的种子只能丢弃，或继 续培养成植株，而不能继续保存或用于其它用途。另外，常规检测方 法耗时耗力，严重限制了检测效率，因此亟需研发一种无破坏性、快 速的种子生活力检测方法。

正常条件下，植物通过次生代谢途径产生多种挥发气体，包括： 醇类、酸类、醛类、酮类、酯类、烷烃类、含氮化合物和硫化物等。 挥发气体的种类和各成分间的比例，因物种、器官、健康度、活性等 而不同。在种子生活力降低过程中，细胞内的化学反应发生变化，导 致挥发气体产物发生改变(ZhangM,LiuY,ToriiI,SasakiH,EsashiY. 1993.Evolutionofvolatilecompoundsbyseedsduringstorageperiods. SeedScienceandTechnology21,359–373.)。分析挥发气体成分，不必 对种子进行任何处理，包括短时吸胀等，且分析过程不直接接触种子， 对种子没有任何损害。因此若能够通过检测挥发气体成分差异而判断 种子生活力，则可研制真正无破坏性、快速的检测方法。

发明内容

本发明的目的是提供一种完全无破坏性、快速检测小麦种子生活 力的方法。

为了实现本发明目的，本发明的一种快速无损检测小麦种子生活 力的方法，所述方法是基于电子鼻原理，采用金属氧化物传感器阵列 检测小麦种子产生的挥发气体的成分(种类和浓度)，将挥发气体的 化学信号转变为电信号，根据电信号图谱(即根据其气味“指纹”)区 分不同生活力的种子，结合BP神经网络对采集的电信号进行建模， 实现对未知小麦种子样品的生活力检测。

其中，所述金属氧化物传感器阵列是对含氮氧化合物、无机硫化 物、羰基类/醇类和芳香烷烃类物质敏感的4个金属氧化物传感器组成 的传感器阵列。

本发明提供的方法包括以下步骤：产生挥发气体、收集并检测挥 发气体、数据分析、生活力判断和预测。

前述的方法，将适量的小麦种子装入顶空样品瓶(瓶盖中央打孔， 内配有硅胶垫)内密封，静止相应时间后直接抽取顶空气体，经金属 氧化物传感器阵列检测。具体地，取10～20g小麦种子，装入一定容积 (例如，100ml)的顶空样品瓶内，室温静置60～120分钟后进行测定。 若遇气温波动大的季节，应将样品瓶放在20℃～35℃恒温箱内。

前述的方法，先用净化的空气(例如用木炭净化的洁净空气)清 洗金属氧化物传感器阵列，然后用进样针吸取样品瓶顶空气体，经传 感器阵列检测，获得电信号值，连续测定60秒。其中，气体流经传感 器阵列的速度为100ml/s～400ml/s。

前述的方法，选取20～50秒之间稳定的电信号数据，利用主成分 分析法(PCA)或线性判别法(LDA)，对数据进行降维处理后区分不同 生活力梯度种子的数据集。

优选地，每个生活力梯度小麦种子取至少30份样品的检测信号训 练BP神经网络，并利用训练好的BP神经网络对未知小麦种子样品进 行生活力检测。做完每一次检测，用净化的空气清洗传感器阵列，以 消除前一检测的影响。

通过抽取样品瓶内的气体，使气体吸附在金属氧化物传感器表 面，引起电阻变化，利用不同的金属氧化物，选择性地识别不同类别 的气体，将小麦种子挥发气体的化学信号转变为电信号图谱。通过电 化学计量软件，对挥发气体进行区分鉴别，从而区分不同生活力的种 子。对获得的电信号进行BP神经网络建模训练，即可预测未知种子 样品生活力。

整个检测过程无需对小麦种子进行吸胀、萌发、染色等任何处理， 只需将种子装入样品瓶静置一段时间，抽取种子顶空的挥发气体进行 检测。检测过程不接触种子，只需要少量小麦种子，且每次检测耗时 不到1分钟，检测效率高、方法简单、结果可靠。利用本方法，不同 活力种子区分效率高于95％，预测准确度在98％以上，真正实现了小 麦种子活力的无破坏性和快速检测。采用本方法检测后，小麦种子可 以继续保存、播种或其它用途。

附图说明

图1为本发明实施例1中利用电子鼻检测气体信号。

图2为本发明实施例1中小麦“陇春16”不同生活力水平种子电子 鼻10个传感器相应曲线；其中，A为种子发芽率91％，B为种子发芽 率39％。

图3为本发明实施例1中分别采用10个传感器信号区分小麦不同 生活力水平种子以及利用WinMuster的PCA(A、C)和LDA(B、D) 分析法区分不同生活力种子的结果；品种为“龙麦19”(A、B)和“99-29” (C、D)。

图4为本发明实施例1中分别采用4个传感器信号区分小麦不同生 活力水平种子以及利用WinMuster的PCA(A、C)和LDA(B、D) 分析法区分不同生活力种子的结果；品种为“龙麦19”(A、B)和“99-29” (C、D)。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。若未 特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规 手段，所用原料均为市售商品。

实施例1快速无损检测小麦种子生活力的方法

1.实验材料

随机选用6个小麦品种：陇春20、陇春16、龙麦19、99-29、内乡 188和99G65，种子含水量6～7％，铝箔袋密封于50℃恒温箱老化获得 不同生活力的种子，各梯度种子的发芽率见表1。

表16个品种小麦种子的发芽率

2.实验仪器及耗材

仪器设备：采用普通称量天平称量种子，采用德国AirsensePEN3 电子鼻获取种子气味图谱。PEN3有10个金属氧化物传感器，分别对 应不同类型的气体(表2)。

耗材：采用色谱用100ml顶空样品瓶盛装小麦种子。

表2PEN3电子鼻的各传感器性能特点

3.实验内容及方法

不同生活力种子区分的具体步骤为：

(1)准备样品：用天平称取15g种子，装入100ml顶空样品瓶(瓶 盖中央打孔，内配有硅胶垫)。

(2)获得挥发性气体：将样品瓶在室温静置90min，若室温波动 大，则将样品瓶放在25℃恒温箱内。

(3)数据采集：设置电子鼻参数为：用经过木炭净化的洁净空 气清洗传感器阵列100秒，归零10秒，样品检测60秒，采样时间1秒/ 组，进样流量100～400ml/min(图1)。

(4)数据分析：采集完的信号数据中，选取20～50秒之间的数据， 利用主成分分析法(PCA)或线性判别法(LDA)，对数据进行降维 处理后区分不同组别的数据集。

预测种子生活力的具体步骤为：

1)数据采集：选取两个小麦品种“99鉴45”和“99品5”，每个品种 各有4个生活力梯度(表3)，按照前述方法采集气味图谱，重复45次。

2)建模：每个生活力的种子取30个重复共120个数据做训练集， 提取第40秒时10个传感器的响应值为输入矢量，发芽率为输出矢量， 使用matlab软件建立BP神经网络，神经网络结构为10×10×1。

3)检验及预测：利用剩余15个重复共60个数据做测试集，从而 得到小麦种子发芽率BP神经网络训练集及预测集识别结果。

4.实验结果

4.1不同生活力种子气味信号差异

信号采集结果表明，10个传感器对小麦种子的响应值存在明显差 异。以“陇春16”品种为例，其中发芽率为91％的对照种子响应值排名 前三位的传感器分别为：W5S、W2S和W1S，而发芽率39％的种子响 应值明显降低，且排名前三位的传感器则变为：W2W、W5S和W1W (图2)。结果证明了随着种子生活力丧失，其挥发气体成分发生了改 变。因此，可通过气味图谱区分不同生活力的小麦种子。

4.2不同生活力种子的区分

利用WinMuster的PCA和LDA法分析10个传感器采集信号峰值， 区分不同生活力的小麦种子。结果表明，6个品种中有4个品种的大多 数生活力梯度种子均可得到有效区分，各品种内不同生活力种子区分 效果见表3和图3。

表3各生活力梯度种子区分效果

4.3传感器阵列优化

为优化传感器阵列，根据各生活力梯度种子区分效果，对不同的 传感器组合进行了评价，发现仅采用W5S、W1W、W2S和W5C这四 个传感器的信号即可达到跟10个传感器相同的区分效果，有时候前者 甚至优于后者(图4，表3)，且LDA分析法优于PCA法。W5S、W1W、 W2S和W5C这四个传感器分别对氮氧化合物、无机硫化物、羰基类/ 醇类和芳香烷烃类物质敏感，其对种子生活力的综合区分准确率可达 97.9％。

4.4BP神经网络预测未知样品生活力

从表4可以看出，两个品种训练集和预测集各生活力梯度种子的 识别准确率在90％～100％之间，其中高生活力种子的预测准确率接近 100％，较低生活力种子(发芽率50％以下)的预测准确率略低 (93.3％)，综合正确率为95.8％，因此，利用电子鼻技术结合BP神经 网络分析，可以准确预测种子生活力。

表4小麦“99鉴45”和“99品5”种子各生活力梯度30个重复样品的BP神经网络 识别结果

可见，本发明的一种无破坏性、快速检测小麦种子生活力的方法， 可以在不接触种子、不对种子进行任何预处理的情况下，通过检测其 挥发气体的方法实现对小麦种子生活力的无破坏性、快速检测。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详 尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本 领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础 上所做的这些修改或改进，均属于本发明要求保护的范围。