CN105043998A - 一种鉴别玉米单倍体的方法 - Google Patents
一种鉴别玉米单倍体的方法 Download PDFInfo
- Publication number
- CN105043998A CN105043998A CN201510289705.4A CN201510289705A CN105043998A CN 105043998 A CN105043998 A CN 105043998A CN 201510289705 A CN201510289705 A CN 201510289705A CN 105043998 A CN105043998 A CN 105043998A
- Authority
- CN
- China
- Prior art keywords
- corn
- seed
- monoploid
- data
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种鉴别玉米单倍体的方法。本发明所公开的鉴别玉米单倍体的方法是利用可见光漫透射光谱鉴别玉米单倍体的方法,包括如下步骤:(1)以若干个玉米单倍体籽粒和玉米杂交二倍体籽粒作为模型训练样本,采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱,对所采集的原始光谱数据进行平滑、矢量归一化预处理;将所得预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型;(2)利用步骤(1)建立的鉴别模型鉴别待测玉米籽粒是否为单倍体。该方法可以鉴别来自不同遗传背景单倍体的模型。同时,为基于可见光光谱技术开发单倍体自动筛选系统提供理论指导,满足DH育种的工程化需求。
Description
技术领域
本发明涉及一种鉴别玉米单倍体的方法,特别涉及一种利用可见光漫透射光谱鉴别玉米单倍体的方法。
背景技术
目前,玉米遗传研究及商业化育种中已广泛采用单倍体技术(DoubledHaploid,也称DH技术)以优化资源配置、提高研究效率、增强自身竞争力。采用传统的育种方法选育玉米自交系通常需要经过6-10代才能获得稳定的自交系,时间跨度长,同时耗费大量人力物力。而DH技术中,将父本诱导系与育种材料杂交诱导得到F1籽粒,再将含有一定比率(目前平均为8%左右)的单倍体籽粒从中挑选出来,再经加倍技术处理,即可在一年内得到基因型完全纯合的自交系,称之为DH系。单倍体技术能够大幅加快育种进程,更加有利于实现规模化、工程化操作。近年来,随着DH育种技术的大规模应用,面临的一个重要问题即是如何从大批量的诱导籽粒中高效地挑选出单倍体籽粒,更为重要的是可以实现自动化筛选的手段。目前主要有2种单倍体筛选方法:一是采用由诱导系携带的R1-nj显性花青素颜色标记系统进行单倍体籽粒的人工挑选,凡是胚无紫色而胚乳糊粉层有紫色的籽粒均是单倍体。同时也开发了基于颜色标记的图像和计算机视觉的自动化鉴别单倍体的机器。然而,R1-nj基因受亲本遗传背景和环境的双重影响,颜色表达有强有弱,因此不论是肉眼还是图像识别的仪器,都不能达到单倍体的高效筛选。二是利用高油型诱导系与育种材料杂交,由于单倍体和非单倍体籽粒具有显著的油分差异,通过测定杂交籽粒的油分值便可区分出单倍体。该法必须采用专有的高油型诱导系,并且只能对非高油玉米育种材料进行诱导,开发的核磁共振自动化分选系统价格昂贵,这些都限制了该技术在育种过程中的普及应用。
Jones等应用近红外光谱鉴别玉米单倍体,但是该模型需对不同遗传背景的单倍体和杂交种单独建模,已有模型无法识别未参与建模背景的籽粒。这在育种实践工作中来说,重新建模意味着增加了成本。
发明内容
本发明的目的是提供一种利用可见光漫透射光谱鉴别玉米单倍体的方法。
首先,本发明提供了一种建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的模型的方法,具体可包括如下步骤:以若干个玉米单倍体籽粒和玉米杂交二倍体籽粒(即非单倍体玉米籽粒)作为模型训练样本,采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱,对所采集的原始光谱数据进行平滑、矢量归一化预处理;将所得预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型。
其中,为了使模型具有代表性,所述模型训练样本最好为不同遗传背景,且最好每个遗传背景都既有玉米单倍体籽粒又有玉米杂交二倍体籽粒。
在所述方法中,采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱的过程中,光谱范围设定为400-780nm,共250个以上(如497个)波长采样点,积分时间设定为60ms;所述模型训练样本中,每个玉米籽粒重复采集可见光漫透射光谱5次,结果以平均谱表示。其中,所述250个以上(如497个)波长采样点在400-780nm范围内均匀分布。
在所述方法中,采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱的过程中,采用的光谱仪可为便携式紫外-可见光纤光谱仪。
在本发明的一个实施例中,所述光谱仪具体为QE65000便携式紫外-可见光纤光谱仪(OceanOptics,USA)
在所述方法中,采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱的过程中,在所述光谱仪的光源通光孔上覆盖铝箔,铝箔开一小孔,玉米籽粒放置在所述小孔上,胚面朝向光源。
在所述方法中,对所述原始光谱数据进行平滑、矢量归一化预处理为:对所述原始光谱数据进行平滑去噪、矢量归一化以去除光谱纵向平移,然后采用Kolmogorov-Smirnov检验检测所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒在每个所述波长采样点处的吸光度数据的差异显著性,剔除不存在显著差异的所述波长采样点对应的数据,剩余数据即为所述预处理数据。
其中,所述“采用Kolmogorov-Smirnov检验检测所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒在每个所述波长采样点处的吸光度数据的差异显著性”具体为:根据如下判定所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒在每个所述波长采样点处的吸光度数据的差异显著性:
K=max|F1(x)-F2(x)|
其中,F1(x)和F2(x)分别为波长采样点处两组样本吸光度的累积分布函数;K值为F1(x)和F2(x)差值的最大值;若K值对应的p值<0.05,则认为所述波长采样点处的所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒吸光度数据存在显著差异。
在所述方法中,将所述预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型,为:
(a1)将所述预处理数据进行主成分分析,得到一组特征向量;
(a2)采用基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的分类函数:
分类函数的形式如下:
其中,x为待测玉米籽粒的特征向量;xi(i=1,2,…n)为模型训练样本的特征向量,即步骤(a1)中所述的一组特征向量;yi为模型训练样本的标签(玉米单倍体籽粒和玉米杂交二倍体籽粒为不同的类别,如用1代表玉米单倍体籽粒,-1代表玉米杂交二倍体籽粒,则用1或者-1标记不同类别的训练样本,得到类似[111111-1-1-1-1-1]的向量,即为模型训练样本的标签);为拉格朗日乘子;b为常量;
k(xi,x)为核函数,选用RBF核函数,具体形式如下:
在本发明中,采用Matlab(TheMathworks,USA)平台编写如上计算程序,基于OSUSVMsToolbox(version3.0)编写SVM源程序;程序输入参数为:核函数类型,γ和c。
经过训练,确定训练SVM模型的输入模型参数为:采用RBF核函数,γ值为1,c值为150;即可自动训练出判别函数f(x),和b的值。
采用不同的训练样本时,确定的分类函数f(x)使得玉米单倍体籽粒和杂交二倍体籽粒样本差异最大,取玉米单倍体籽粒和玉米杂交二倍体籽粒差异最大时的和b值。在本发明中,b=0。
基于上述模型构建方法,本发明所提供了利用可见光漫透射光谱鉴别玉米单倍体的方法,具体可包括如下步骤:
(1)采用上述方法构建用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的模型。
(2)利用步骤(1)建立的鉴别模型鉴别待测玉米籽粒是否为单倍体。
在所述方法的步骤(2)中,按照包括如下步骤的方法鉴别所述待测玉米籽粒是否为单倍体:
(b1)采用与所述步骤(1)相同的方法采集所述待测玉米籽粒的可见光漫透射光谱,对所采集的原始光谱数据进行平滑、矢量归一化预处理和主成分分析,获得所述待测玉米籽粒的特征向量;
(b2)将所述待测玉米籽粒的特征向量代入所述分类函数中,根据f(x)的符号按照如下确定所述待测玉米籽粒是否为单倍体:若f(x)>0,则所述待测玉米籽粒为或候选为单倍体籽粒;若f(x)<0,则所述待测玉米籽粒为或候选为杂交二倍体籽粒。
本发明的另一个目的是提供一种用于鉴别玉米单倍体的系统。
本发明所提供的用于鉴别玉米单倍体的系统,包括光谱仪、积分球和数据处理装置;
所述光谱仪为具有采集可见光漫透射光谱功能的光谱仪;
所述数据处理装置具有如下功能:(a)对所述光谱仪采集的可见光漫透射光谱的原始光谱数据进行平滑、矢量归一化预处理;将所得预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型;(b)利用所述鉴别模型鉴别待测玉米籽粒是否为单倍体。
在本发明中,所述光谱仪为便携式紫外-可见光纤光谱仪;具体为QE65000便携式紫外-可见光纤光谱仪(OceanOptics,USA)
所述数据处理装置中内设模块1、模块2和模块3;所述模块1用于对所述原始光谱数据进行平滑去噪、矢量归一化以去除光谱纵向平移,然后采用Kolmogorov-Smirnov检验检测所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒在每个所述波长采样点处的吸光度数据的差异显著性,剔除不存在显著差异的所述波长采样点对应的数据,剩余数据即为所述预处理数据;所述模块2用于将所述预处理数据进行主成分分析,得到一组特征向量,进而基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型(如前文(a2)所述):所述模块3用于利用所述鉴别模型鉴别待测玉米籽粒是否为单倍体(如前文(b2)所述)。
所述系统在鉴定待测玉米籽粒是否为玉米单倍体籽粒中的应用也属于本发明的保护范围。
在本发明中,所述待测玉米籽粒即可与所述模型训练样本中的玉米籽粒为相同遗传背景,也可以与所述模型训练样本中的玉米籽粒为不同遗传背景。在本发明的一个实施例中,所述模型训练样本和所述待测玉米具体为玉米单倍体诱导系CAUHOI和/或玉米单倍体诱导系UH400相关遗传材料。
本发明基于可见光光谱分析建立了玉米单倍体籽粒鉴别方法,探索利用可见光光谱鉴别玉米单倍体籽粒的可行性。本发明以来源于9个遗传背景的单倍体和杂交二倍体籽粒共284粒作为试验材料,利用便携式紫外-可见光光线光谱仪采集单个玉米籽粒的可见光漫透射光谱。原始光谱数据经平滑、矢量归一化预处理和主成分分析,基于支持向量机方法建立单倍体和杂交二倍体籽粒判别模型。由于各种植季节选用的育种材料不尽相同,所以将能否鉴别未参加建模材料的单倍体作为评价模型性能的主要标准。每次选1个背景的样本作为测试集,其余背景的样本作为建模集对模型进行交叉验证。模型交叉验证平均正确判别率达到92.06%。结果表明利用可见光光谱分析建立玉米单倍体籽粒鉴别方法,并实现模型可鉴别未参与建模的材料具有可行性。而且基于该方法有望建立玉米单倍体自动化快速筛选系统,提高筛选效率,以满足大规模DH育种的需求。
附图说明
图1为单倍体和非单倍体玉米籽粒的可见光漫透射原始光谱。
图2为单倍体和非单倍体玉米籽粒的可见光漫透射原始光谱经平滑去噪及矢量归一化预处理后的光谱。
图3为同一遗传背景内的单倍体和非单倍体玉米籽粒的主成分分布图。
图4为全部参试遗传背景内的单倍体和和非单倍体玉米籽粒的主成分分布图。
具体实施方式
下述实施例中所使用的实验方法如无特殊说明,均为常规方法。
下述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径得到。
玉米单倍体诱导系CAUHOI:记载于“文科,黎亮,刘玉强等.高效生物诱导玉米单倍体及其加倍方法研究初报.中国农业大学学报,2006年05期”一文,公众可从中国农业大学获得。
玉米单倍体诱导系UH400:记载于“董昕.玉米单倍体诱导基因qhir1精细定位与新型诱导系选育研究.中国农业大学,2014年,博士论文”一文,公众可从中国农业大学获得。
实施例1、利用可见光漫透射光谱鉴别玉米单倍体的方法的建立及应用
一、样品来源与光谱采集
试验材料:8个不同遗传背景的单倍体和杂交种籽粒(编号D101-D105、D107-D109)。其中,D107和D108为杂交种和诱导系杂交产生的籽粒,其余材料均为自交系或DH系与诱导系杂交产生。D107为诱导系CAUHOI诱导得到,其他参试样品为诱导系UH400诱导产生。首先利用肉眼初步挑选出单倍体125个和杂交二倍体籽粒127个(参见表1),然后采用传统的田间种植以最终考证单倍体的真伪。
仪器:QE65000便携式紫外-可见光纤光谱仪(OceanOptics,USA)、积分球、光源配件。光源通光孔覆盖铝箔,铝箔开一小孔,籽粒放置在该小孔上,胚面朝向光源。检测玉米单籽粒的漫透射光谱,原始光谱范围400-780nm(共497个采样点)(这497个波长采样点在400-780nm范围内均匀分布),积分时间为60ms,每个籽粒的光谱为5次平均谱。
结果如图1所示,单倍体和非单倍体杂交二倍体籽粒的原始光谱的吸光度在0.6-2.9之间。两类籽粒最大吸收峰在520nm附近,光谱吸光度差异主要体现在510-780nm。
二、数据预处理和特征波长分析
1、方法
按照如下将光谱数据经平滑去噪、矢量归一化以去除光谱纵向平移:平滑去噪采用移动平均窗口平滑方法。矢量归一化的计算方法针对每条光谱,首先任意波长点对应的吸光度ai减去这条光谱的均值再将数据的向量长度归一化。计算公式如下:
其中,ai为波长点i处原始吸光度,为一条光谱吸光度的平均值,a′i为波长点i处经过矢量归一化处理的吸光度。
然后采用Kolmogorov-Smirnov检验判定单倍体和杂交二倍体籽粒的每个波长点吸光度数据的差异显著性。两组样本累积分布函数之间的差异即为KS检验的统计量K值。K值计算表达式如下:
K=max|F1(x)-F2(x)|
其中,F1(x)和F2(x)分别为该波长处两组样本吸光度的累积分布函数。K值为F1(x)和F2(x)差值的最大值。若K值对应的p值<0.05,则认为该波长点处两类样本吸光度分布存在显著差异。剔除不存在显著差异的所述波长采样点对应的数据,剩余数据即为预处理数据,将预处理数据进行主成分分析(Principalcomponentanalysis,PCA),得到一组特征向量。
2、结果
原始光谱经平滑和矢量归一化预处理后结果如图2所示,然后采用KS检验考察各波长点处两类样本吸光度分布的差异显著性。除518-529nm(共14个波长点)外,其余波长点上p值均小于0.05。说明两类样本的吸光度分布几乎都存在显著差异,几乎所有波长点均包含可区分两类样本(单倍体和杂交二倍体籽粒)的信息。p值小于0.05的波长点数据用于建模。
本发明的发明人首先对同一遗传背景的样本进行主成分分析,考察在主成分空间单一背景的两类光谱样本是否具有可分性(如图3所示),说明遗传背景相同时,可见光光谱可以将同一背景的两类籽粒分开。进一步将所有遗传背景的样本混合后进行主成分分析,变异程度最大的前两个主成分构成的空间分布图如图4所示,这表明混合背景下的两类样本具有一定分离,同时,两类样本存在一定程度混叠。
三、模型建立和验证
1、方法
建立可划分两类样本(玉米单倍体籽粒和玉米杂交二倍体籽粒)的模型,支持向量机方法(Supportvectormachine,SVM)是基于样本类别间差异进行划分的经典模式识别方法。本发明要求用部分背景的籽粒建立的模型能够鉴别未参加建模的其他背景的单倍体,就要求模型具备较好的泛化能力。因此,本发明基于SVM方法建立单倍体和杂交二倍体籽粒的鉴别模型,并以模型能否鉴别未参与建模的材料的单倍体作为主要的模型性能评估标准。
建立玉米单倍体籽粒和玉米杂交二倍体籽粒SVM判别模型的步骤和参数:
(1)玉米单倍体籽粒和玉米杂交二倍体籽粒的可见光光谱数据经过过预处理和主成分分析后得到一组特征向量X。
(2)采用SVM方法建立单倍体和杂交二倍体籽粒的判定分类函数。
分类函数的形式如下:
其中x为待判别样本(即待测玉米籽粒)的特征向量。xi(i=1,2,…n)为模型训练样本的特征向量,yi为模型训练样本的标签(玉米单倍体籽粒和玉米杂交二倍体籽粒为不同的类别,如用1代表玉米单倍体籽粒,-1代表玉米杂交二倍体籽粒,则用1或者-1标记不同类别的训练样本,得到类似[111111-1-1-1-1-1]的向量,即为模型训练样本的标签),为拉格朗日乘子,b为常量,为建立模型时训练得到。
k(xi,x)为核函数,选用RBF核函数,具体形式如下:
采用Matlab(TheMathworks,USA)平台编写如上计算程序,基于OSUSVMsToolbox(version3.0)编写SVM源程序。程序输入参数为:核函数类型,γ和C。
经过训练,确定训练SVM模型的输入模型参数为:采用RBF核函数,γ值为1,c值为150。即可自动训练出判别函数f(x),b=0。
每次测试时,向程序中输入待判别样本(即待测玉米籽粒)的特征向量,根据f(x)的符号给出分类判别结果:若f(x)>0,则判定x所对应的待测玉米籽粒为单倍体籽粒;若f(x)<0,则判定x所对应的待测玉米籽粒为杂交二倍体籽粒。
全部样本按其遗传背景划为9个部分。模型验证时,每次取出一个背景的样本作为测试集,其他背景的样本作为建模集。每次建立的SVM模型采用相同的模型参数:采用RBF核函数,γ值为1,c值为150。记录每次验证时正确划分的单倍体和杂交二倍体籽粒样本个数,统计正确判别率:
2、结果
本发明的发明人采用SVM识别方法建立更精确的通用判别模型,为避免过拟合,对模型进行交叉验证。模型验证时,每次取出一个背景的样本作为测试集,其他背景的样本作为建模集。例如,以D101为测试集时,用D102至D109共8个背景的单倍体和杂交种籽粒建立模型。正确判别率为(16+17)÷(16+17)×100%=100%;同理,以D102作为测试集时,其余8个背景的籽粒用来建模,正确判别率为(17+15)÷(17+17)×100%=94.12%。其他同理,验证结果如表1。
表1基于SVM方法建立单倍体识别模型的评价结果
D101-D109得到的单倍体籽粒和杂交二倍体籽粒分别127个和125个。交叉验证中正确判别的单倍体籽粒数为117个,非单倍体籽粒数为120个,平均正确判别率为93.99%。其中有8次测试正确判别率在85%以上,有6次正确判别率在90%以上。
Claims (10)
1.一种建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的模型的方法,包括如下步骤:以若干个玉米单倍体籽粒和玉米杂交二倍体籽粒作为模型训练样本,采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱,对所采集的原始光谱数据进行平滑、矢量归一化预处理;将所得预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型。
2.根据权利要求1所述的方法,其特征在于:采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱的过程中,光谱范围设定为400-780nm,共250个以上波长采样点,积分时间设定为60ms。
3.根据权利要求1或2所述的方法,其特征在于:采集所述模型训练样本中每个玉米籽粒的可见光漫透射光谱的过程中,在光谱仪的光源通光孔上覆盖铝箔,铝箔开一小孔,玉米籽粒放置在所述小孔上,胚面朝向光源;
所述光谱仪具体为便携式紫外-可见光纤光谱仪。
4.根据权利要求1-3中任一所述的方法,其特征在于:对所述原始光谱数据进行平滑、矢量归一化预处理为:对所述原始光谱数据进行平滑去噪、矢量归一化以去除光谱纵向平移,然后采用Kolmogorov-Smirnov检验检测所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒在每个所述波长采样点处的吸光度数据的差异显著性,剔除不存在显著差异的所述波长采样点对应的数据,剩余数据即为所述预处理数据。
5.根据权利要求1-4中任一所述的方法,其特征在于:将所述预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型,为:
(a1)将所述预处理数据进行主成分分析,得到一组特征向量;
(a2)采用基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的分类函数:
分类函数的形式如下:
其中,x为待测玉米籽粒的特征向量;xi(i=1,2,…n)为模型训练样本的特征向量,即步骤(a1)中所述的一组特征向量;yi为模型训练样本的标签;为拉格朗日乘子;b为常量;
k(xi,x)为核函数,选用RBF核函数,具体形式如下:
6.一种利用可见光漫透射光谱鉴别玉米单倍体的方法,包括如下步骤:
(1)采用权利要求1-5中任一所述方法构建用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的模型;
(2)利用步骤(1)建立的鉴别模型鉴别待测玉米籽粒是否为单倍体。
7.根据权利要求6所述的方法,其特征在于:步骤(2)中,按照包括如下步骤的方法鉴别所述待测玉米籽粒是否为单倍体:
(b1)采用与所述步骤(1)相同的方法采集所述待测玉米籽粒的可见光漫透射光谱,对所采集的原始光谱数据进行平滑、矢量归一化预处理和主成分分析,获得所述待测玉米籽粒的特征向量;
(b2)将所述待测玉米籽粒的特征向量代入所述分类函数中,根据f(x)的符号来确定所述待测玉米籽粒是否为单倍体。
8.一种用于鉴别玉米单倍体的系统,包括光谱仪、积分球和数据处理装置;
所述光谱仪为具有采集可见光漫透射光谱功能的光谱仪;
所述数据处理装置具有如下功能:(a)对所述光谱仪采集的可见光漫透射光谱的原始光谱数据进行平滑、矢量归一化预处理;将所得预处理数据进行主成分分析,然后基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型;(b)利用所述鉴别模型鉴别待测玉米籽粒是否为单倍体。
9.根据权利要求8所述的系统,其特征在于:所述光谱仪为便携式紫外-可见光纤光谱仪;
所述数据处理装置中内设模块1、模块2和模块3;所述模块1用于对所述原始光谱数据进行平滑去噪、矢量归一化以去除光谱纵向平移,然后采用Kolmogorov-Smirnov检验检测所述模型训练样本中玉米单倍体籽粒和玉米杂交二倍体籽粒在每个所述波长采样点处的吸光度数据的差异显著性,剔除不存在显著差异的所述波长采样点对应的数据,剩余数据即为所述预处理数据;所述模块2用于将所述预处理数据进行主成分分析,得到一组特征向量,进而基于支持向量机方法建立用于鉴别玉米单倍体籽粒和玉米杂交二倍体籽粒的鉴别模型:所述模块3用于利用所述鉴别模型鉴别待测玉米籽粒是否为单倍体。
10.权利要求8或9所述的系统在鉴别待测玉米籽粒是否为单倍体中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510289705.4A CN105043998B (zh) | 2015-05-29 | 2015-05-29 | 一种鉴别玉米单倍体的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510289705.4A CN105043998B (zh) | 2015-05-29 | 2015-05-29 | 一种鉴别玉米单倍体的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105043998A true CN105043998A (zh) | 2015-11-11 |
CN105043998B CN105043998B (zh) | 2018-01-02 |
Family
ID=54450716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510289705.4A Active CN105043998B (zh) | 2015-05-29 | 2015-05-29 | 一种鉴别玉米单倍体的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105043998B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645098A (zh) * | 2017-01-11 | 2017-05-10 | 清华大学 | 一种光谱归一化结合多元统计模型的玉石原产地鉴定方法 |
CN107037001A (zh) * | 2017-06-15 | 2017-08-11 | 中国科学院半导体研究所 | 一种基于近红外光谱技术的玉米单倍体籽粒鉴别方法 |
CN107278873A (zh) * | 2017-06-12 | 2017-10-24 | 中国农业大学 | 一种鉴别玉米单倍体的方法 |
CN108668890A (zh) * | 2018-04-08 | 2018-10-19 | 河南农业大学 | 一种提高玉米单倍体正确识别率的方法 |
CN110090809A (zh) * | 2018-01-31 | 2019-08-06 | 西派特(北京)科技有限公司 | 一种在线高速无损自动分拣单倍体玉米籽粒的装置 |
CN110246133A (zh) * | 2019-06-24 | 2019-09-17 | 中国农业科学院农业信息研究所 | 一种玉米籽粒分类方法、装置、介质及设备 |
CN114252424A (zh) * | 2022-03-01 | 2022-03-29 | 中国农业科学院蜜蜂研究所 | 一种鉴定蜜蜂单双倍体胚胎的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101701916A (zh) * | 2009-12-01 | 2010-05-05 | 中国农业大学 | 一种玉米品种快速鉴定、鉴别方法 |
CN101788475A (zh) * | 2010-03-24 | 2010-07-28 | 中国科学院半导体研究所 | 对玉米品种种子近红外漫反射光谱数据进行预处理的方法 |
CN101819141A (zh) * | 2010-04-28 | 2010-09-01 | 中国科学院半导体研究所 | 基于近红外光谱与信息处理的玉米品种鉴别方法 |
-
2015
- 2015-05-29 CN CN201510289705.4A patent/CN105043998B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101701916A (zh) * | 2009-12-01 | 2010-05-05 | 中国农业大学 | 一种玉米品种快速鉴定、鉴别方法 |
CN101788475A (zh) * | 2010-03-24 | 2010-07-28 | 中国科学院半导体研究所 | 对玉米品种种子近红外漫反射光谱数据进行预处理的方法 |
CN101819141A (zh) * | 2010-04-28 | 2010-09-01 | 中国科学院半导体研究所 | 基于近红外光谱与信息处理的玉米品种鉴别方法 |
Non-Patent Citations (4)
Title |
---|
朱启兵 等: "基于图像熵信息的玉米种子纯度高光谱图像识别", 《农业工程学报》 * |
覃鸿 等: "光照强度和光阑孔径对近红外漫透射光谱鉴别单倍体玉米影响研究", 《红外技术》 * |
郭婷婷 等: "玉米亚正常籽粒生活力近红外光谱判别方法研究", 《光谱学与光谱分析》 * |
黄敏 等: "基于高光谱图像的玉米种子特征提取与识别", 《光学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645098A (zh) * | 2017-01-11 | 2017-05-10 | 清华大学 | 一种光谱归一化结合多元统计模型的玉石原产地鉴定方法 |
CN107278873A (zh) * | 2017-06-12 | 2017-10-24 | 中国农业大学 | 一种鉴别玉米单倍体的方法 |
CN107278873B (zh) * | 2017-06-12 | 2019-11-01 | 中国农业大学 | 一种鉴别玉米单倍体的方法 |
CN107037001A (zh) * | 2017-06-15 | 2017-08-11 | 中国科学院半导体研究所 | 一种基于近红外光谱技术的玉米单倍体籽粒鉴别方法 |
CN110090809A (zh) * | 2018-01-31 | 2019-08-06 | 西派特(北京)科技有限公司 | 一种在线高速无损自动分拣单倍体玉米籽粒的装置 |
CN108668890A (zh) * | 2018-04-08 | 2018-10-19 | 河南农业大学 | 一种提高玉米单倍体正确识别率的方法 |
CN110246133A (zh) * | 2019-06-24 | 2019-09-17 | 中国农业科学院农业信息研究所 | 一种玉米籽粒分类方法、装置、介质及设备 |
CN110246133B (zh) * | 2019-06-24 | 2021-05-07 | 中国农业科学院农业信息研究所 | 一种玉米籽粒分类方法、装置、介质及设备 |
CN114252424A (zh) * | 2022-03-01 | 2022-03-29 | 中国农业科学院蜜蜂研究所 | 一种鉴定蜜蜂单双倍体胚胎的方法 |
CN114252424B (zh) * | 2022-03-01 | 2022-05-31 | 中国农业科学院蜜蜂研究所 | 一种鉴定蜜蜂单双倍体胚胎的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105043998B (zh) | 2018-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105043998A (zh) | 一种鉴别玉米单倍体的方法 | |
US9128055B2 (en) | Information processing apparatus, information processing method, program, and method of correcting intensity of fluorescence spectrum | |
Hennig et al. | An open-source solution for advanced imaging flow cytometry data analysis using machine learning | |
CN104807787B (zh) | 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法 | |
CN207103187U (zh) | 一种基于高光谱成像及电阻抗的玉米种子活力检测装置 | |
CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
CN107185850A (zh) | 一种基于高光谱成像及电阻抗的玉米种子活力检测装置 | |
CN102449639A (zh) | 图像分析 | |
CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
CN104777143A (zh) | 一种用于过期药的、基于拉曼光谱的相似度鉴定方法 | |
CN106124445A (zh) | 一种快速、无损鉴别转基因大豆方法 | |
CN105136738A (zh) | 一种基于近红外识别桉木和相思木属间树种的方法 | |
CN107132266A (zh) | 一种基于随机森林的水质分类方法及系统 | |
CN106680241A (zh) | 一种新型光谱多元分析分类与识别方法及其用途 | |
CN104977258A (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
CN105074435A (zh) | 微粒分析装置、微粒分析方法、程序和微粒分析系统 | |
CN103487422A (zh) | 多波长led荧光光谱的云端中药品质检测系统及方法 | |
EP2422182B1 (en) | Method and apparatus for multi-parameter data analysis | |
CN104568824A (zh) | 基于可见/近红外光谱的虾类新鲜度等级检测方法及装置 | |
CN106018321A (zh) | 玉米单粒种子蛋白质检测模型的构建方法及其应用 | |
EP3882603A1 (en) | Information processing device, information processing method, and computer program | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN104588329A (zh) | 基于近红外漫透射光谱的种子自动鉴别分选装置 | |
Wang et al. | Intelligent detection of hard seeds of snap bean based on hyperspectral imaging | |
CN110009012A (zh) | 一种风险样本识别方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |