该文档属于类型a，即报告了一项原始研究。以下是对该研究的学术报告：
本研究由Guangjun Qiu、Enli Lü、Ning Wang、Huazhong Lu、Feiren Wang和Fanguo Zeng等作者共同完成，研究团队分别来自华南农业大学工程学院、俄克拉荷马州立大学生物系统与农业工程系以及广东省农业科学院。该研究于2019年4月12日发表在《Applied Sciences》期刊上。
研究的核心科学领域是农业科学与近红外光谱技术（Near-Infrared Spectroscopy, NIR）。甜玉米种子的品种纯度是种子质量的关键指标，传统鉴定方法耗时、昂贵且具有破坏性。因此，本研究旨在开发一种快速、经济且无损的技术，利用傅里叶变换近红外光谱（Fourier Transform Near-Infrared Spectroscopy, FT-NIR）结合判别分析（Discriminant Analysis）来分类甜玉米种子品种。研究的目标是通过FT-NIR光谱技术，结合遗传算法（Genetic Algorithm, GA）和多种分类算法，建立简化的分类模型，以实现对甜玉米种子品种的高效鉴定。
研究主要分为以下几个步骤：
种子样本准备
研究选取了两个甜玉米品种（华美甜8号和华美甜168号）的760粒种子作为实验材料，每个品种各380粒。这两个品种在亲本上具有相似性，但母本不同，导致其糖含量和成熟周期存在差异。
FT-NIR光谱采集
使用傅里叶变换红外光谱仪（Antaris II FT-NIR Analyzer）采集所有种子的光谱数据，光谱范围为1000-2500 nm，每个光谱包含1557个波长点。为了减少温度和湿度波动的影响，光谱采集在恒温恒湿环境下进行。
数据预处理
使用主成分分析（Principal Component Analysis, PCA）检测并剔除异常样本。随后，将剩余样本分为训练集和测试集，训练集用于模型校准，测试集用于模型验证。数据预处理包括平滑处理（Savitzky-Golay滤波）和多元散射校正（Multiplicative Scatter Correction, MSC），以减少噪声和散射效应。
特征波长选择
采用遗传算法（GA）从1557个波长中筛选出126个特征波长，以简化分类模型。GA通过多次迭代，选择对分类贡献最大的波长组合。
判别分析模型构建与验证
研究测试了四种分类算法：K近邻（K-Nearest Neighbor, KNN）、软独立建模分类法（Soft Independent Method of Class Analogy, SIMCA）、偏最小二乘判别分析（Partial Least-Squares Discriminant Analysis, PLS-DA）和支持向量机判别分析（Support Vector Machine Discriminant Analysis, SVM-DA）。这些算法分别在完整波长和特征波长上进行测试，并通过十折交叉验证、独立测试和置换测试验证模型的可靠性。
数据预处理结果
通过PCA检测，共剔除了14个异常样本，剩余746个样本用于后续分析。MSC和Savitzky-Golay一阶导数处理有效减少了散射效应和噪声，提高了光谱数据的质量。
特征波长选择结果
GA筛选出的126个特征波长主要集中在第二倍频区和组合频区，这些波长与甜玉米种子中碳水化合物含量的差异密切相关。
分类模型性能
在完整波长下，所有四种算法的分类准确率均较高，范围从97.56%到99.59%，其中SVM-DA表现最佳，准确率达到99.59%。在特征波长下，大多数模型的准确率没有显著下降，PLS-DA模型仍能达到99.19%的准确率。
模型验证结果
通过置换测试验证了模型的可靠性，结果表明模型的高准确率并非由过拟合或偶然相关性导致。
本研究成功地将FT-NIR光谱技术与判别分析相结合，实现了对甜玉米种子品种的高效分类。研究结果表明，FT-NIR光谱技术可以在单粒种子水平上区分品种，即使这些品种在内部成分上具有高度相似性。通过GA筛选特征波长，可以显著简化模型，同时保持较高的分类准确率。这一方法为种子纯度检测提供了一种快速、经济且无损的解决方案，具有重要的工业应用价值。
重要发现
研究证明了FT-NIR光谱技术结合判别分析在甜玉米种子品种分类中的可行性，并实现了高达99.59%的分类准确率。
方法创新
研究首次将GA应用于甜玉米种子光谱数据的特征波长选择，显著简化了分类模型，同时保持了高准确率。
研究对象的特殊性
研究聚焦于甜玉米种子品种的分类，特别是针对具有相似亲本但不同成熟周期的品种，为种子纯度检测提供了新的技术路径。
本研究不仅具有重要的科学价值，还为种子工业提供了一种高效的在线检测方法。通过将分类模型嵌入种子分选机械的控制系统，可以显著提高种子纯度检测的效率和准确性，从而提升农业生产的经济效益。未来的研究可以进一步探索更多甜玉米品种的分类，并考虑种植环境因素对品种特性的影响。