该文档报告了一项关于利用近红外高光谱成像（Near-Infrared Hyperspectral Imaging, NIR-HSI）技术结合多元方法进行玉米单倍体种子鉴别的原创研究。以下是该研究的详细介绍：
该研究由Xiantao He、Liwei Liu、Chenxu Liu、Wei Li、Jialu Sun、Hongsheng Li、Yong He、Li Yang、Dongxing Zhang、Tao Cui、Chen Chen和Jinlong Li共同完成。研究团队来自中国农业大学工程学院（College of Engineering, China Agricultural University）、浙江大学农业生物系统工程与食品科学学院（College of Biosystems Engineering and Food Science, Zhejiang University）以及中国国家林木种子集团有限公司（China National Tree Seed Group Corporation Limited）。该研究于2022年9月2日发表在《Biosystems Engineering》期刊上。
玉米（Zea mays L.）是全球重要的粮食作物，广泛用于食品、饲料和生物燃料生产。玉米育种的目标是获得高抗性、高产量、高品质且性状不分离的纯合自交系。双单倍体（Doubled Haploid, DH）技术是现代玉米育种中的关键方法，能够有效加速育种进程。然而，自然条件下玉米单倍体种子的发生率仅为1%，人工诱导的最高发生率也仅为10%左右。因此，快速、准确地从大量二倍体种子中分离单倍体种子对于提高玉米单倍体育种效率至关重要。
目前，玉米单倍体种子的鉴别主要依赖于颜色标记和油分标记。颜色标记方法利用R1-nj基因在诱导种子中产生色素差异，二倍体种子的胚芽呈现紫色，而单倍体种子则不呈现。油分标记方法则通过高油诱导系在二倍体种子胚芽中产生显著的油分差异。然而，这两种方法在实际应用中存在误差率高、操作繁琐、成本高等问题。因此，开发一种快速、无损的鉴别方法具有重要的应用价值。
该研究的主要目标是通过NIR-HSI技术结合多元方法，开发一种适用于不同标记方法和种子胚芽方向的玉米单倍体种子鉴别模型。研究流程包括以下几个步骤：
研究使用了400粒玉米种子，分为两组：颜色标记组（Group 1）和油分标记组（Group 2）。每组包含两个品种，分别为TYD1903、TYD1904（颜色标记）和TYD1907、TYD1908（油分标记）。每组各100粒种子，其中单倍体和二倍体种子各50粒。
研究使用线扫描NIR-HSI系统采集玉米种子的高光谱图像，波长范围为874-1734 nm，光谱分辨率为3.36 nm。每个波长下采集256张图像，每张图像的像素为320×256。为确保系统接收均匀的光照，研究使用两个线性光源进行照明。种子放置在黑色样品板上，每次扫描10粒种子，交替排列单倍体和二倍体种子以避免环境光的影响。每个品种扫描两次，分别获取胚芽和非胚芽的高光谱图像。
采集高光谱图像后，使用核磁共振（NMR）油分测试仪测定所有种子的实际油分含量。随后，随机选取每个品种的3粒单倍体和3粒二倍体种子，采用pH-差分法测定花青素含量。
研究使用Savitzky-Golay（SG）方法对光谱数据进行预处理，滤除高频噪声。随后，提取每个种子的光谱数据，并对每个种子感兴趣区域（ROI）内的像素光谱进行平均，最终获得400组光谱数据。
研究采用偏最小二乘判别分析（Partial Least Square-Discriminant Analysis, PLSDA）建立单倍体和二倍体种子的分类模型。为优化模型，研究使用了三种变量选择方法：子窗口置换分析（Sub-window Permutation Analysis, SPA）、竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling, CARS）和无信息变量消除（Uninformative Variables Elimination, UVE）。通过这三种方法筛选出与单倍体和二倍体种子差异指数相关的最优波长，并基于这些波长建立PLSDA模型。
研究结果表明，使用SPA、CARS和UVE方法筛选出的最优波长分别有114、27和49个。当使用这些最优波长替代全波长时，SPA-PLSDA、CARS-PLSDA和UVE-PLSDA模型对单倍体和二倍体种子的鉴别准确率分别为90%、90%和89.38%。通过综合分析这三种方法，研究确定了20个最优波长，并基于这些波长建立的PLSDA模型准确率达到90.31%，高于使用全216个波长的PLSDA模型（89.06%准确率）。
此外，研究还发现，颜色标记和油分标记种子的光谱反射率存在显著差异，尤其是油分标记种子的差异更为明显。这些光谱差异为基于NIR-HSI技术的单倍体和二倍体种子分类提供了基础。
该研究证明了NIR-HSI技术在玉米单倍体种子鉴别中的巨大潜力和广泛应用前景。该分类模型无需在检测时统一种子胚芽的方向，且适用于颜色标记和油分标记两种常用方法。该研究为基于光谱成像的大规模工业系统提供了理论指导，能够实现快速、低成本、实时的单倍体和二倍体种子分选，极大地推动了DH技术的工程化应用。
该研究的重要发现包括： 1. 通过NIR-HSI技术结合多元方法，成功开发了一种适用于不同标记方法和种子胚芽方向的玉米单倍体种子鉴别模型。 2. 使用SPA、CARS和UVE三种变量选择方法筛选出20个最优波长，显著提高了分类模型的准确率和计算效率。 3. 该研究为玉米单倍体育种提供了一种快速、无损的鉴别方法，具有重要的科学和应用价值。
研究还指出，种子品种、地理来源、农艺条件和样本量等因素都会影响种子品种分类的准确性。未来的研究应着重消除这些因素的影响，以建立更稳健的单倍体和二倍体种子分类模型。
该研究为玉米单倍体育种提供了一种高效、可靠的鉴别方法，具有重要的理论和实践意义。