本文由Quannu Yang、Xinhao Yang、Qianling Zhang、Yunbo Wang、Han Song和Furong Huang共同完成，研究团队分别来自佛山大学的中国热带玉米研究中心、暨南大学光电工程系的广东省光纤传感与通信重点实验室以及暨南大学东莞研究院。该研究发表于2020年6月的《Optik - International Journal for Light and Electron Optics》期刊上。
该研究的学术背景主要涉及近红外光谱（Near-Infrared Spectroscopy, NIR）和化学计量学（Chemometrics）在农业领域的应用。超甜玉米因其高糖含量而受到消费者青睐，糖分含量和组成是影响其品质的关键因素。然而，传统的糖分测量方法如高效液相色谱法（HPLC）、糖度计（Brix meters）、蒽酮比色法（Anthrone Colorimetry）等，存在耗时长、操作复杂、需要使用化学试剂等问题。因此，开发一种快速、简单且环保的糖分测量方法对于超甜玉米的高品质育种具有重要意义。近红外光谱技术因其快速、无损、操作简单的特点，已被广泛应用于农业、食品科学和医学领域。本研究旨在通过结合近红外光谱和化学计量学方法，建立一种能够准确测量超甜玉米中可溶性糖含量的模型，为育种资源筛选和高品质育种提供技术支持。
研究的主要流程包括以下几个步骤：
实验样本的获取与处理
研究从佛山大学获取了131个遗传上不同的超甜玉米自交系样本。这些样本通过系谱法从美国、泰国和中国的超甜玉米种质资源中培育而来。田间实验在佛山大学的燕峰甜玉米育种教学研究基地进行，每个样本种植两行，每行10株，严格进行自花授粉。在授粉后21-25天（糖分含量最高时）采集玉米穗，每个地块采集3穗，去除籽粒后进行测试。
化学值测量
采用3,5-二硝基水杨酸（DNS）法测量植物中的碳水化合物含量。具体步骤包括使用85%乙醇溶解还原糖和非还原糖（主要是蔗糖），过滤后测量可溶性糖含量。还原糖含量直接根据其还原能力测量，蔗糖则通过水解为还原糖后测定其含量。
光谱采集
收获后，去除风干籽粒样本中的杂质，并密封保存。使用Foss Analytical A/S公司的DS2500 F近红外反射分析仪采集完整超甜玉米籽粒的近红外光谱。测试在室温（25℃）下进行，仪器在扫描前预热30分钟。扫描波长范围为850-2500 nm，采样间隔为0.5 nm。每个样本混合均匀后重新装入采样杯，采集4次光谱数据的平均值，最终获得131个光谱数据。
算法原理
研究采用了两种算法进行波长筛选和模型构建：
样本集划分与模型评估
采用基于联合X-Y距离的样本集划分方法（SPXY）将131个样本划分为训练集（99个样本）和预测集（32个样本）。模型评估参数包括均方根误差（RMSE）和相关系数（R），分别用于评估模型的预测精度和相关性。
研究的主要结果如下：
光谱分析
超甜玉米的近红外光谱显示，970 nm和1940 nm波段分别对应于水分子中O-H键的二次倍频和组合频振动吸收。1210 nm和1446 nm波段分别对应于CH2中C-H键的拉伸振动和N-H键的反对称拉伸振动。
光谱预处理
通过多重散射校正（MSC）、标准正态变量变换（SNV）以及一阶和二阶导数对光谱数据进行预处理。结果表明，一阶导数预处理后的光谱模型预测精度最高（RMSEP=7.5719 mg/g，Rp=0.7035）。
SI-PLS建模分析
将光谱划分为10个子区间，并联合使用第4、7、8和10子区间构建PLS模型，获得了最佳预测结果（RMSEP=6.9199 mg/g，Rp=0.7695）。所选波段包括1349-1513 nm、1842-2005 nm、2005-2168 nm和2337-2500 nm。
CARS-SI-PLS建模分析
通过CARS算法对SI-PLS选定的波段进行进一步优化，最终筛选出48个关键波长。优化后的模型预测精度显著提高（RMSEP=5.8292 mg/g，Rp=0.8431），模型更加简洁和稳健。
研究的结论表明，基于近红外光谱的可溶性糖含量定量分析模型能够快速、准确地测量超甜玉米中的糖分含量。与传统方法相比，该技术具有操作简单、环保的优点，且所选波长可为专用光谱仪的设计提供参考。
本研究的亮点在于：
1. 首次将SI-PLS和CARS算法结合应用于超甜玉米可溶性糖含量的定量分析，显著提高了模型的预测精度。
2. 通过光谱预处理和波长筛选，优化了模型的简洁性和稳健性，为近红外光谱技术在农业领域的应用提供了新的思路。
3. 研究结果为超甜玉米的育种资源筛选和高品质育种提供了重要的技术支持，具有较高的科学价值和应用价值。
此外，研究还得到了广东省重点领域研发计划、国家自然科学基金、广东省自然科学基金等多个项目的支持，进一步提升了研究的可信度和影响力。