为无损探究种子成分分布与种子活力变化的内在关系, 以玉米种子主要成分淀粉为研究对象, 将太赫兹时域反射成像技术与移动窗口相关系数法相结合, 无损可视化构建不同活力程度的玉米种子淀粉空间分布图。 以郑单958玉米品种为例, 实验通过人工老化方式(40 ℃, 100%RH)制备老化0、 18、 36、 54、 72 h的种子样本, 采用Terapluse 4000太赫兹时域光谱仪及反射成像附件扫描获取不同老化程度的样本和纯玉米淀粉样品的太赫兹光谱图像。 以16.35 cm-1下THz图像为基准, 采用阈值分割法精确提取种子胚乳、 种胚区域, 通过对比不同组织区域内THz平均吸光度可得胚乳和种胚光谱明显差异, 且胚乳和淀粉纯物质在51.96 cm-1附近存在明显的共同吸收峰。 应用移动窗口相关系数法(窗口宽度为20, 移动步长为10), 逐像素点计算种子太赫兹时域光谱与纯玉米淀粉光谱的-相关系数, 并根据相关系数值以及坐标信息绘制伪彩色热力图, 可视化构建玉米种子淀粉分布图。 实验统计5个老化阶段、 6个谱区窗口的淀粉分布图中相关系数>0.8的像素点占比可得: 在29.83～67.36 cm-1区间内, 种子胚乳和种子区域内的淀粉含量在种子活力下降过程中呈现总体下降趋势, 即种子淀粉含量与活力呈现正相关关系。 实验结果表明: 太赫兹时域光谱反射成像技术结合移动窗口相关系数伪彩色成像分析方法可以初步实现种子活力变化过程中玉米种子淀粉空间分布特性的无损探测, 该技术可为深入研究种子化学成分与其自身活力之间的制约关系, 无损解析种子生命活动与自身生理生态规律变化提供崭新的视角和方法。

近红外光谱（NIRS）技术在作物种子品种鉴别上具有一定的可行性, 但如果待测种子的存储时间不同, 识别模型的准确性会受到影响。 为了降低存储时间对识别模型的影响、 提高模型的预测能力, 将NIRS技术与图像处理技术相融合, 提取出与品种生理生化指标相关的光谱特征和与品种相关的表观图像特征。 为了提取出最优的光谱特征, 首先提出一种改进的后向间隔偏最小二乘（IM_BiPLS）光谱区间选择算法。 针对BiPLS分段数难以确定的问题, 让分段数在一定范围内变化, 以每个分段数所取得的组合区间建立模型的相关系数和交叉验证均方根误差之比作为评价指标, 该指标最大时的分段数所对应的波段组合为最优。 然后使用竞争自适应重加权法（CARS）去除IM_BiPLS所选波段中的无信息变量和共线性变量实现光谱特征优选。 为了提取与品种相关的表观图像特征, 首先使用基于最大熵和双重区域标记的图像分割算法完成不感兴趣区域去除和单粒种子图像分割; 然后提取单粒种子的形态、 纹理和颜色特征并计算出每个图像样本所有种子的统计平均特征。 最后使用CARS对这些特征进行深层次优选完成图像特征提取。 以10个黄色玉米品种为研究对象, 采集216个样本的NIRS数据和对应的图像。 针对光谱数据, 使用IM_BiPLS算法从全谱1 845个变量中选出了具有736个变量的波段组合, 使用CARS进一步从中优选出光谱变量29个。 针对图像数据, 提取出图像特征29个, 使用CARS进一步优选出图像特征11个。 分别以IM_BiPLS提取的光谱特征波段、 IM_BiPLS-CARS优选的特征波长、 图像特征(Image)、 CARS提取的图像特征(Image-CARS)以及IM_BiPLS-CARS优选的特征波长融合CARS提取的图像特征（Compound）为输入, 以样本对应的类别为输出, 建立BP神经网络模型。 测试结果表明Compound-BP模型的性能最佳, 训练准确率和验证准确率均为100%, 测试准确率为97.7%。 实验结果说明NIRS特征融合图像特征可以有效地提高识别模型的精度, 降低存储时间对模型的影响, 为实现玉米种子品种的无损、 快速、 精确识别提供参考。

长期以来, 学者们致力于将玉米秸秆这类低品位的生物质资源向高附加值的化学品转化, 提高其利用价值。 对玉米秸秆进行常压酸催化多元醇液化试验, 并对其所得液化残渣的主要组成成分、 热解及纤维特性进行研究。 采用傅里叶红外光谱技术(FTIR)、 热裂解气相色谱-质谱联用技术(Py-GC/MS)、 热重分析技术(TGA)、 X射线衍射技术(XRD)及扫描电子显微镜技术(SEM)对玉米秸秆及其液化残渣的化学基团、 热裂解产物、 热失重情况、 晶体结构和微观形貌进行了检测分析。 FTIR分析表明, 液化残渣中三组分(纤维素、 半纤维素和木质素)官能团的特征吸收峰几乎消失, 其主要含有未液化完全的纤维素和三组分降解产生的小分子间通过聚合反应生成的大分子物质。 Py-GC/MS表明, 液化残渣热裂解产物中包含呋喃类(10.64%)、 酚类(18.89%)、 酮类(3.73%)、 烃类(35.23%)、 醇类(4.17%)、 醛类(4.31%)、 醚类(1.25%)和有机酸类(4.79%)及含S或N杂原子化合物(17.00%)等89种可识别的有机物, 这些有机物的含碳数高于玉米秸秆同类族化合物中的含碳数。 通过TGA明确液化残渣热失重的情况, 即加热阶段, 其质量损失约为3%; 快速失重阶段, 质量损失非常明显, 约为45%; 缓慢失重阶段, 质量损失不足4%; 其发生热解的条件比玉米秸秆的更为苛刻。 XRD结果可知, 液化残渣的主峰和次峰消失, 破坏了纤维素Ⅰ晶格结构, 形成球磨纤维素。 SEM图像表明, 玉米秸秆经酸催化多元醇液化后生成杂乱无序、 粗糙、 不规则、 呈颗粒状的液化残渣。 综上, 此条件下玉米秸秆几乎完全液化。 这为液化残渣制备木质基炭材料给予理论基础与应用支持, 促进了生物质资源全组分利用。

为了对玉米种植株数进行无损的自动化识别, 利用FARO focus s70地面激光扫描仪、采用四站式扫描方法, 采集不同视角下的玉米田块点云数据。设计了一种基于标靶球自动提取的配准算法, 对各站获取的点云数据进行精确配准, 取得了完整的玉米田块点云数据, 并以标靶球拟合误差和标准偏差分析配准精度。对于配准好的3维点云数据, 利用采样一致性算法基于圆柱体特征从完整的玉米田块点云中精确分离出茎秆点云, 统计玉米种植株数。结果表明, 标靶球拟合标准偏差在0.1mm~0.7mm之间, 满足仪器测量精度要求;拟合误差总体在2mm~5mm之间, 能满足大场景测量配准误差5mm的要求;对玉米种植株数的识别率达到86.1％~92.1％。这一结果对于农田环境下玉米种植株数识别的实际应用方面是有帮助的, 为作物的估产提供了数据基础, 为智慧农业研究提供了理论方法。