[發明專利]一種可見-近紅外光譜無損判別的方法

在審

• 申請號: 201410498422.6
• 申請日: 2014-09-25
• 公開（公告）號: CN104215591A
• 公開（公告）日: 2014-12-17
• 發明（設計）人: 潘濤;肖青青;郭昊淞;陳潔梅;史本山
• 申請（專利權）人: 暨南大學
• 主分類號: G01N21/31
• 分類號: G01N21/31
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蘇運貞;陳燕嫻

技術領域

本發明屬于農作物育種篩查的無損檢測技術領域，具體涉及一種可見-近紅外光譜無損判別的方法。

背景技術

我國是甘蔗制糖大國，蔗糖產量居世界第三位。甘蔗的附加值較高，除制糖外，還用于造紙及燃料乙醇的生產等。甘蔗多生長在高溫高濕地區，容易受到多種有害生物的威脅，其中蟲害尤為嚴重。隨著現代農業生物技術的發展，轉基因技術在甘蔗研究上的應用逐漸開展，甘蔗轉基因育種日益受到重視。目前，將含有抗蟲基因(Bt)和抗除草劑基因(Bar)導入甘蔗中以對現有甘蔗優良品種進行遺傳改良，可有效提高甘蔗抗蟲和抗除草劑能力。在轉基因甘蔗育種時，必須判定所導入的外源基因是否在甘蔗植株成功表達。目前的基因篩查方法主要是分子生物學的檢測技術，其方法復雜，需要使用多種生化試劑，并要求較高的專業操作技能，不能滿足現代大規模生產的需要。

近紅外(NIR)是介于可見(Vis)和中紅外之間的電磁波，主要反映的含氫基團X-H(如C-H、N-H、O-H等)振動的倍頻和合頻吸收，在快速、實時、無損檢測方面具有明顯優勢，已成功應用于農業、食品、石油化工、生物醫學等領域。轉基因與非轉基因甘蔗葉的蛋白質分子存在差異，含有大量的氫基團X-H，因此，NIR光譜具有分析甘蔗基因變異信息的方法基礎，可望用于無損檢測。農作物植株的無損檢測具有明顯的應用優勢，同時是方法學的難點所在。因為農作物(如甘蔗葉片)具有復雜組分，它的光譜包含有多種噪音干擾，要求采用先進的化學計量學、計算機模式識別方法進行光譜分析。目前還未見有相關應用研究成果報道。

發明內容

為了克服現有技術的缺點與不足，本發明的目的在于提供一種可見-近紅外光譜無損判別的方法。

本發明的另一目的在于提供一種可見-近紅外光譜無損判別具Bt和Bar基因甘蔗葉的方法。建立一種基于可見-近紅外(Vis-NIR)光譜的對于具Bt和Bar基因甘蔗葉的無損判別方法。首先，采用適當的光譜預處理方法消除光譜噪音，如采用Savitzky-Golay(SG)模型的篩選；其次，對光譜波長模型進行優化，達到提取信息的目的，如采用移動窗口(MW)方式的連續型篩選方法；然后，采用光譜判別分析方法(如有監督的PLS-DA，PCA-LDA方法、無監督的PCA-HCA方法等)進行判別分析，根據判別效果優選模型參數。通過上述三方面的方法集成，建立高效識別轉基因與非轉基因甘蔗葉樣品的方法。為研發轉基因甘蔗葉無損判別技術和相關專用光譜儀器設計提出有效的解決方案。

本發明的目的通過下述技術方案實現：一種可見-近紅外光譜無損判別的方法，包括如下步驟：

(1)測試樣品，得到光譜數據和樣品類別的測定結果；把全部樣品隨機分為建模集和檢驗集；

(2)光譜預處理模型的篩選：在所測得的光譜波段中，對所有光譜分別進行不同模式的SG平滑預處理，得到SG平滑光譜；

(3)在所得的SG平滑光譜基礎上，建立基于主成分分析(PCA)和線性判別分析(LDA)的定標預測模型，計算預測樣品的識別準確率P_REC；

(4)根據P_REC的值篩選最優SG平滑模式；

(5)用最優SG平滑模式對所有樣品光譜進行預處理，進行波長模型篩選，進一步建立優化波長模型，然后采用光譜判別分析方法，計算識別準確率P_REC；根據最大P_REC值獲得全局最優模型，建立可見-近紅外光譜無損判別的方法。

步驟(1)中所述的建模集包括定標集和預測集；

步驟(2)中所述的光譜波段為400～2498nm；

步驟(2)中所述的SG平滑的參數包括導數階數d、多項式次數p和平滑點數m；

所述的d優選為0、1、2、3、4或5；

所述的p優選為2、3、4、5或6；

所述的m優選為5～51之間的奇數；

步驟(5)中所述的波長模型篩選的方法包括連續型波長模型，準連續型波長模型和離散型波長模型；

所述的連續型波長模型優選用移動窗口(MW)方式的連續型篩選方法；

步驟(5)中所述的波長模型的參數包括起點波長I和波長個數N；

所述的I為I∈{400，402，···，2498}；

所述的N為N∈{1，2，···，50}∪{60，70，···，200}∪{220，240，···，860}∪{1050}；

步驟(5)中所述的光譜判別分析方法，包括有監督的光譜判別分析方法和無監督的光譜判別分析方法；

所述的有監督的光譜判別分析方法包括PLS-DA，PCA-LDA等；