法律状态公告日
法律状态信息
法律状态
2018-08-17
授权
授权
2016-04-27
实质审查的生效 IPC(主分类):G01N27/12 申请日:20151127
实质审查的生效
2016-03-30
公开
公开
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。
机译: 小麦谷物和植物,面粉,小麦淀粉或小麦淀粉颗粒,成分和食品,构成小麦谷物的方法,生产谷物的小麦植物或用于对小麦谷物或植物小麦进行分选的谷物生产小麦植物,以改善一种或多种代谢健康,肠道健康或心血管健康参数并产生小麦籽粒淀粉和筒仓。
机译: 小麦植物,谷物和细胞,小麦籽粒和小麦籽粒容器的生产工艺,核酸分子,多肽,小麦粉,全粉,淀粉,淀粉或麸皮颗粒的生产方法,由淀粉和乙醇制成的动物饲料食品,用于对小麦或谷物植物进行基因分型,选择小麦植物,向小麦植物中引入rht-b1等位基因,以及用于销售小麦谷物,食品,小麦粉,全粉,淀粉,淀粉或麸皮颗粒,分离的寡核苷酸,和转基因植物。
机译: 小麦籽粒,小麦植物,全粉,小麦淀粉颗粒,食品成分,食品,组成,生产谷物的小麦植物的生产方法,小麦或谷物植物的筛选方法,食品或饮料的生产方法,改善个体的一种或多种代谢健康,肠道健康或心血管健康参数,谷物生产过程,淀粉生产过程和小麦谷物贸易方法