种子活力是种子质量的一项重要指标, 高活力的种子具有较强的抗逆性、 生长优势及生产潜力。 而种子活力在种子生理成熟时最高, 随后随着贮藏时间的延长而发生着自然不可逆的降低。 因此, 在播种前及时、 准确地对种子活力进行检测和筛选具有重要的实践意义。 针对传统种子活力检测方法存在的操作过程复杂繁琐、 耗时长、 重复性差且对种子有破坏性等缺点, 研究尝试利用高光谱成像技术建立单粒小麦种子生活力快速、 无损、 精确的检测方法。 以高温高湿老化后的190粒小麦种子（发芽128粒, 不发芽62粒）作为研究样本, 先利用可见-近红外(Vis-NIR)高光谱成像系统采集样本种子的光谱图像和进行标准发芽试验, 并确保光谱采集试验和标准发芽试验的小麦种子一一对应。 随后提取种子光谱图像的感兴趣区域并对其光谱数据进行平均和特征分析。 分别采用一阶导数（FD）、 均值中心化（MC）、 正交信号校正(OSC)和多元散射校正（MSC）对原始光谱数据进行预处理, 结合偏最小二乘辨别分析（PLS-DA）建立全波段PLS-DA模型, 比较分析, 并筛选出最适预处理方法。 分别利用无信息变量消除算法（UVE）、 竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)及耦合不同变量筛选方法对特征波段进行筛选提取, 再分别基于所提取出的特征波段建立PLS-DA定性判别模型, 对比分析, 最终确立提取与单粒小麦种子生活力相关性最高的高光谱特征波段方法体系。 结果表明: 不同光谱预处理建立的模型其表现有所差异, 在MC, FD, OSC和MSC中, 采用MC对原始高光谱数据进行预处理, 建立的全波段MC-PLS-DA判别模型, 其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为82.5%和83.0%, 优于原始及其他预处理后建立的全波段PLS-DA判别模型, 其校正集和预测集对小麦种子活种子鉴别正确率分别为94.8%和90.6%。 进一步对比3种单特征波段提取方法及其耦合分析建模中, 发现3种变量筛选方法耦合（UVE-CARS-SPA）的方式能够将光谱全波段的688个变量压缩至8个变量（473, 492, 811, 829, 875, 880, 947和969 nm）, 利用所筛选出的8个变量建立的MC-UVE-CARS-SPA-PLS-DA模型获得了最优秀的鉴别效果, 其校正集和预测集对小麦种子生活力的整体鉴别正确率分别为86.7%和85.1%, 较全波段模型（MC-Full-PLS-DA）分别提升了4.2%和2.1%, 活种子的鉴别正确率分别为93.8%和84.4%, 经过此优秀模型筛选后, 种子批最终发芽率可达到93.1%。 实验结果表明, 基于高光谱成像技术结合UVE-CARS-SPA-PLS-DA模型能够实现对单粒小麦种子生活力的定性判别。 研究工作为小麦种子活力的快速、 精确且无损的检测提供理论支持。

应用近红外光谱分析技术, 针对玉米诱导过程中产生的亚正常种子, 发展亚正常种子的单籽粒生活力判别方法。 该研究应用了一种基于Kolmogorov-Smirnov检验的方法(KS法)对近红外光谱进行特征提取, 并比较了十种采用不同预处理数据和特征提取方法建立的模型的判别性能, 每种模型试验了1134种参数组合, 并对采用多种方法和参数组合建立的模型进行交叉验证。 结果表明, 采用矢量归一化预处理, KS法提取特征波长, 并去除低信噪比区域的数据建立的模型判别效果最好。 发芽籽粒和不发芽籽粒的平均正确识别率分别达到92.20%和84.86%。 该方法将发芽籽粒的筛选准确率由随机筛选的不足40%提高至85%以上, 可显著提高筛选效率。

用傅里叶变换近红外漫反射光谱法测定了自然状态下单粒苦豆子与决明子种子的光谱，并结 合定性偏最小二乘法对这两种种子的生活力进行了鉴别研究。研究结果表明，正反面两次平均光谱的建模效果要优于 单次光谱；采用不同样品建模时，苦豆子与决明子模型的鉴别率均在90%以上。该研究为利用近红外光谱技术快速无 损鉴定种子生活力提供了新的途径。