一种可见-近红外光谱无损判别的方法技术

本发明专利技术公开一种可见-近红外光谱无损判别的方法。本发明专利技术提出的基于光谱预处理模型筛选、波长模型筛选、光谱判别分析参数筛选的集成算法，综合了去噪、数据降维、特征提取、分类识别等方面的功能。经过随机抽样检验，取得了高精度的光谱识别效果，显示了可见-近红外漫反射光谱应用于转基因甘蔗育种筛查的可行性。为研发转基因甘蔗叶无损判别技术和相关专用光谱仪器设计提出有效的解决方案。本发明专利技术的方法无需试剂、无损、准确；且方便、快捷，节约成本；是一种有潜力的便于应用的检测工具。

【技术实现步骤摘要】
【专利摘要】本专利技术公开。本专利技术提出的基于光谱预处理模型筛选、波长模型筛选、光谱判别分析参数筛选的集成算法，综合了去噪、数据降维、特征提取、分类识别等方面的功能。经过随机抽样检验，取得了高精度的光谱识别效果，显示了可见-近红外漫反射光谱应用于转基因甘蔗育种筛查的可行性。为研发转基因甘蔗叶无损判别技术和相关专用光谱仪器设计提出有效的解决方案。本专利技术的方法无需试剂、无损、准确；且方便、快捷，节约成本；是一种有潜力的便于应用的检测工具。【专利说明】
本专利技术属于农作物育种筛查的无损检测
，具体涉及一种可见-近红外光 谱无损判别的方法。
技术介绍
我国是甘蔗制糖大国，蔗糖产量居世界第三位。甘蔗的附加值较高，除制糖外，还 用于造纸及燃料乙醇的生产等。甘蔗多生长在高温高湿地区，容易受到多种有害生物的威 胁，其中虫害尤为严重。随着现代农业生物技术的发展，转基因技术在甘蔗研究上的应用逐 渐开展，甘蔗转基因育种日益受到重视。目前，将含有抗虫基因（Bt)和抗除草剂基因（Bar) 导入甘蔗中以对现有甘蔗优良品种进行遗传改良，可有效提高甘蔗抗虫和抗除草剂能力。 在转基因甘蔗育种时，必须判定所导入的外源基因是否在甘蔗植株成功表达。目前的基因 筛查方法主要是分子生物学的检测技术，其方法复杂，需要使用多种生化试剂，并要求较高 的专业操作技能，不能满足现代大规模生产的需要。 近红外（NIR)是介于可见（Vis)和中红外之间的电磁波，主要反映的含氢基团 X-H(如C-H、N_H、〇-H等）振动的倍频和合频吸收，在快速、实时、无损检测方面具有明显优 势，已成功应用于农业、食品、石油化工、生物医学等领域。转基因与非转基因甘蔗叶的蛋白 质分子存在差异，含有大量的氢基团X-H，因此，NIR光谱具有分析甘蔗基因变异信息的方 法基础，可望用于无损检测。农作物植株的无损检测具有明显的应用优势，同时是方法学的 难点所在。因为农作物（如甘蔗叶片）具有复杂组分，它的光谱包含有多种噪音干扰，要求 采用先进的化学计量学、计算机模式识别方法进行光谱分析。目前还未见有相关应用研究 成果报道。
技术实现思路
为了克服现有技术的缺点与不足，本专利技术的目的在于提供一种可见-近红外光谱 无损判别的方法。 本专利技术的另一目的在于提供一种可见-近红外光谱无损判别具Bt和Bar基 因甘蔗叶的方法。建立一种基于可见-近红外（Vis-NIR)光谱的对于具Bt和Bar基 因甘蔗叶的无损判别方法。首先，采用适当的光谱预处理方法消除光谱噪音，如采用 Savitzky-G〇lay(SG)模型的筛选；其次，对光谱波长模型进行优化，达到提取信息的目的， 如采用移动窗口（MW)方式的连续型筛选方法；然后，采用光谱判别分析方法（如有监督的 PLS-DA，PCA-LDA方法、无监督的PCA-HCA方法等）进行判别分析，根据判别效果优选模型参 数。通过上述三方面的方法集成，建立高效识别转基因与非转基因甘蔗叶样品的方法。为 研发转基因甘蔗叶无损判别技术和相关专用光谱仪器设计提出有效的解决方案。 本专利技术的目的通过下述技术方案实现：， 包括如下步骤： (1)测试样品，得到光谱数据和样品类别的测定结果；把全部样品随机分为建模 集和检验集； (2)光谱预处理模型的筛选：在所测得的光谱波段中，对所有光谱分别进行不同 模式的SG平滑预处理，得到SG平滑光谱； (3)在所得的SG平滑光谱基础上，建立基于主成分分析（PCA)和线性判别分析 (LDA)的定标预测模型，计算预测样品的识别准确率？_1?(：; (4)根据P_REC的值筛选最优SG平滑模式； (5)用最优SG平滑模式对所有样品光谱进行预处理，进行波长模型筛选，进一步 建立优化波长模型，然后采用光谱判别分析方法，计算识别准确率P_REC ;根据最大P_REC 值获得全局最优模型，建立可见-近红外光谱无损判别的方法。 步骤（1)中所述的建模集包括定标集和预测集； 步骤⑵中所述的光谱波段为400?2498nm ; 步骤（2)中所述的SG平滑的参数包括导数阶数d、多项式次数p和平滑点数m; 所述的d优选为0、1、2、3、4或5 ; 所述的p优选为2、3、4、5或6 ; 所述的m优选为5?51之间的奇数； 步骤（5)中所述的波长模型筛选的方法包括连续型波长模型，准连续型波长模型 和离散型波长模型； 所述的连续型波长模型优选用移动窗口（MW)方式的连续型筛选方法； 步骤（5)中所述的波长模型的参数包括起点波长I和波长个数N ; 所述的 I 为 I e {400,402, · · ·，2498}; 所述的 N 为 N e {1，2, · · ·，50} U {60,70, · · ·，200} U {220,240, · · ·， 860} U {1050}； 步骤（5)中所述的光谱判别分析方法，包括有监督的光谱判别分析方法和无监督 的光谱判别分析方法； 所述的有监督的光谱判别分析方法包括PLS-DA，PCA-LDA等； 所述的无监督的光谱判别分析方法包括PCA-HCA等； 具体地，一种可见-近红外光谱无损判别具Bt和Bar基因甘蔗叶的方法，包括如 下步骤： (1)测试样品，得到可见-近红外漫反射光谱数据和样品类别的测定结果；把全部 样品随机分为建|吴集和检验集； (2)光谱预处理模型的筛选：在所测得的光谱波段中，对所有光谱分别进行不同 模式的SG平滑预处理，得到SG平滑光谱； (3)在所得的SG平滑光谱基础上，建立基于主成分分析（PCA)和线性判别分析 (LDA)的定标预测模型，计算预测样品的识别准确率？_1?(：; (4)根据P_REC的值筛选最优SG平滑模式； (5)用最优SG平滑模式对所有样品光谱进行预处理，进行波长模型筛选，进一步 建立优化波长模型，然后采用光谱判别分析方法，计算识别准确率P_REC ;根据最大P_REC 值获得全局最优模型，建立高效识别转基因与非转基因甘蔗叶样品的方法。 步骤（1)中所述的建模集包括定标集和预测集； 步骤⑵中所述的光谱波段为400?2498nm ; 步骤（2)中所述的SG平滑的参数包括导数阶数d、多项式次数p和平滑点数m ; 所述的d优选为0、1、2、3、4或5 ; 所述的p优选为2、3、4、5或6 ; 所述的m优选为5?51之间的奇数； 步骤⑷中所述的最优SG平滑模式的参数为d = 1，p = 3, m = 25 ; 步骤（5)中所述的波长模型筛选的方法包括连续型波长模型，准连续型波长模型 和离散型波长模型； 所述的连续型波长模型优选用移动窗口（MW)方式的连续型筛选方法； 步骤（5)中所述的波长模型的参数包括起点波长I和波长个数N ; 所述的 I 为 I e {400,402, · · ·，2498}; 所述的 N 为 N e {1，2, · · ·，50} U {60,70, · · ·，200} U {220,240, · · ·， 860} U {1050}； 步骤（5)中所述的光谱判别方法，包括有监督的本文档来自技高网...

【技术保护点】
一种可见‑近红外光谱无损判别的方法，其特征在于包括如下步骤：(1)测试样品，得到光谱数据和样品类别的测定结果；把全部样品随机分为建模集和检验集；(2)光谱预处理模型的筛选：在所测得的光谱波段中，对所有光谱分别进行不同模式的SG平滑预处理，得到SG平滑光谱；(3)在所得的SG平滑光谱基础上，建立基于PCA和LDA的定标预测模型，计算预测样品的识别准确率P_REC；(4)根据P_REC的值筛选最优SG平滑模式；(5)用最优SG平滑模式对所有样品光谱进行预处理，进行波长模型筛选，进一步建立优化波长模型，然后采用光谱判别分析方法，计算识别准确率P_REC；根据最大P_REC值获得全局最优模型，建立可见‑近红外光谱无损判别的方法。

【技术特征摘要】

【专利技术属性】
技术研发人员：潘涛，肖青青，郭昊淞，陈洁梅，史本山，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东;44