~10000、 8000~11000、8000~12000、9000 ~10000、9000~11000、9000~12000、10000~11000、 10000~12000和11000~12000CHT 1。應(yīng)用不同的預(yù)處理方法、建模比（建模集：測(cè)試集） 及光譜范圍建立支持向量回歸機(jī)（SVR)模型，選擇判別效果較好的模型作為檢測(cè)小麥條銹 病菌夏孢子萌發(fā)率的判別模型。選擇徑向基函數(shù)（radial basis function，RBF)作為核函 數(shù)建模，使用網(wǎng)格搜索算法（grid search algorithm)搜索最優(yōu)懲罰參數(shù)C和核函數(shù)參數(shù) g，搜索范圍均為~2 8,搜索步距均為0. 8,遍歷網(wǎng)格內(nèi)所有點(diǎn)計(jì)算模型均方誤差（mean squared error, MSE)，選擇均方誤差最小時(shí)的搜索結(jié)果作為模型參數(shù)。調(diào)用決定系數(shù)（R2) 和均方誤差評(píng)價(jià)模型的預(yù)測(cè)水平和可重復(fù)性。將不同預(yù)處理下較好的模型結(jié)果列于表1。 表1中所列出的模型判別效果均較好，在這些模型中，相對(duì)而言，預(yù)處理方法選擇矢量歸一 化，建模比為5:1，譜區(qū)范圍選擇8000~llOOOcnT 1時(shí)所建模型建模集決定系數(shù)相對(duì)較高， 均方誤差相對(duì)較小，測(cè)試集決定系數(shù)最大，均方誤差最小，且所用的譜區(qū)范圍最小，因此認(rèn) 為該模型預(yù)測(cè)效果最好。圖2表明，該模型可以很好地預(yù)測(cè)條銹病菌樣品的萌發(fā)率。因此， 選擇該模型作為條銹病菌夏孢子萌發(fā)率的判別模型。
[0053] 表1不同預(yù)處理方法下的最佳模型結(jié)果
[0054]
【主權(quán)項(xiàng)】
1. 一種應(yīng)用近紅外光譜技術(shù)測(cè)定小麥條銹病菌夏孢子萌發(fā)率的方法，其特征在于，其 具體包括如下步驟： 1) 收集小麥條銹病菌樣品； 2) 采集小麥條銹病菌樣品的近紅外光譜； 3) 利用孢子萌發(fā)試驗(yàn)方法獲得樣品的萌發(fā)率； 4) 近紅外光譜數(shù)據(jù)預(yù)處理：選擇矢量歸一化方法對(duì)光譜進(jìn)行預(yù)處理； 5) 夏孢子萌發(fā)率判別模型的建立：利用支持向量回歸機(jī)建立夏孢子萌發(fā)率判別模型， 確定夏孢子萌發(fā)率與近紅外光譜數(shù)據(jù)之間的定量關(guān)系； 6) 待測(cè)條銹病菌夏孢子樣品萌發(fā)率的測(cè)定：采集待測(cè)條銹病菌夏孢子樣品的近紅外 光譜數(shù)據(jù)，經(jīng)過(guò)預(yù)處理之后輸入支持向量回歸機(jī)判別模型，即可計(jì)算獲得待測(cè)樣品的夏孢 子萌發(fā)率。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3)將采集完近紅外光譜的小麥 條銹病菌夏孢子樣品分別與0. 1 %水瓊脂混勻，并置于培養(yǎng)箱內(nèi)，黑暗條件下培育萌發(fā)，然 后在顯微視野下，每個(gè)樣品鏡檢200-500個(gè)夏孢子，以芽管伸長(zhǎng)大于夏孢子直徑的二分之 一以上作為孢子萌發(fā)標(biāo)準(zhǔn)，計(jì)算樣品夏孢子的萌發(fā)率。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟3)將采集完近紅外光譜的小麥 條銹病菌夏孢子樣品分別與0. 1%水瓊脂混勻，并置于9°C培養(yǎng)箱內(nèi)，黑暗條件下培育萌發(fā) 24h，然后在20倍顯微視野下，每個(gè)樣品鏡檢300個(gè)夏孢子，以芽管伸長(zhǎng)大于夏孢子直徑的 二分之一以上作為孢子萌發(fā)標(biāo)準(zhǔn)，計(jì)算樣品夏孢子的萌發(fā)率。
4. 根據(jù)權(quán)利要求1-3任一項(xiàng)所述的方法，其特征在于，所述步驟1)在小麥苗一葉一心 期第一葉完全展開時(shí)，進(jìn)行小麥條銹病的人工噴霧接種；接種后置于11~13°C的黑暗條件 下保濕24h;最后置于環(huán)境參數(shù)為12h光照、光照強(qiáng)度lOOOOlux、溫度11~13°C、相對(duì)濕度 60 %~70 %的人工氣候室內(nèi)培育；待小麥苗發(fā)病以后收集條銹病菌夏孢子，并置于4°C條 件下的干燥器內(nèi)保存?zhèn)溆谩?br>5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟2)在采集光譜之前，將保存不同 時(shí)間的夏孢子隨機(jī)混勻，以獲得萌發(fā)率介于〇%~100%之間且盡可能均勻分布的夏孢子 樣品，樣品數(shù)量不小于30個(gè)； 光譜采集時(shí)，將每個(gè)小麥條銹病菌夏孢子樣品均分為不小于3份，放入測(cè)量杯內(nèi)，利用 積分球漫反射方法采集小麥條銹病菌的近紅外光譜信息，光譜范圍為4000~12000CHT1，光 譜分辨率不低于IecnT1，掃描次數(shù)不少于16次，將同一樣品各份的光譜平均后作為該樣品 的光譜。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟5)譜區(qū)范圍選擇8000~ llOOOcnT1，利用支持向量回歸機(jī)建立夏孢子萌發(fā)率判別模型。
7. 小麥條銹病菌夏孢子萌發(fā)率判別模型，其特征在于，所述模型的建立方法為： 51 :收集小麥條銹病菌樣品； 52 :采集小麥條銹病菌樣品的近紅外光譜； 53 :利用孢子萌發(fā)試驗(yàn)方法獲得樣品的萌發(fā)率； 54 :近紅外光譜數(shù)據(jù)預(yù)處理：選擇矢量歸一化方法對(duì)光譜進(jìn)行預(yù)處理； 55 :夏孢子萌發(fā)率判別模型的建立：利用支持向量回歸機(jī)建立夏孢子萌發(fā)率判別模 型，確定夏孢子萌發(fā)率與近紅外光譜數(shù)據(jù)之間的定量關(guān)系。
8. 根據(jù)權(quán)利要求7所述的模型，其特征在于，所述模型的建立方法為： 51 :收集小麥條銹病菌樣品： 在小麥苗一葉一心期第一葉完全展開時(shí)，進(jìn)行小麥條銹病的人工噴霧接種；從液氮罐 中取出所需條銹病菌生理小種，40°C水浴5min，然后4°C黑暗水化12h，將適量菌種與0. 2% 的吐溫-80配成孢子懸浮液；用手指蘸清水脫除葉片表層蠟質(zhì)，然后進(jìn)行人工噴霧接種， 接種后置于11~13°C的黑暗條件下保濕24h;最后置于環(huán)境參數(shù)為12h光照、光照強(qiáng)度 lOOOOlux、溫度11~13°C、相對(duì)濕度60%~70%的人工氣候室內(nèi)培育；待小麥苗發(fā)病以后 收集條銹病菌夏孢子，并置于4°C條件下的干燥器內(nèi)保存?zhèn)溆茫? 52 :采集小麥條銹病菌樣品的近紅外光譜： 在采集光譜之前，將保存不同時(shí)間的夏孢子隨機(jī)混勻，以獲得萌發(fā)率介于0%~100% 之間且其盡可能均勻分布的夏孢子樣品，樣品數(shù)量不小于30個(gè)； 光譜采集時(shí)，將每個(gè)小麥條銹病菌夏孢子樣品均分為不小于3份，放入測(cè)量杯內(nèi)，利用 積分球漫反射方法采集小麥條銹病菌的近紅外光譜信息，光譜范圍為4000~12000CHT1，光 譜分辨率不低于IecnT1，掃描次數(shù)不少于16次，將同一樣品各份的光譜平均后作為該樣品 的光譜； 53 :利用孢子萌發(fā)試驗(yàn)方法獲得樣品的萌發(fā)率： 將采集完近紅外光譜的小麥條銹病菌夏孢子樣品分別與0. 1 %水瓊脂混勻，并置于 9°C培養(yǎng)箱內(nèi)，黑暗條件下培育萌發(fā)24h，然后在20倍顯微視野下，每個(gè)樣品鏡檢300個(gè)夏孢 子，以芽管伸長(zhǎng)大于夏孢子直徑的二分之一以上作為孢子萌發(fā)標(biāo)準(zhǔn)，計(jì)算樣品夏孢子的萌 發(fā)率； 54 :近紅外光譜數(shù)據(jù)預(yù)處理：選擇矢量歸一化方法對(duì)光譜進(jìn)行預(yù)處理； 55 :夏孢子萌發(fā)率判別模型的建立： 譜區(qū)范圍選擇8000~llOOOcnT1，利用支持向量回歸機(jī)建立夏孢子萌發(fā)率判別模型，確 定夏孢子萌發(fā)率與近紅外光譜數(shù)據(jù)之間的定量關(guān)系。
9. 權(quán)利要求7或8所述的模型在測(cè)定小麥條銹病菌夏孢子萌發(fā)率中的應(yīng)用。
10. 根據(jù)權(quán)利要求9所述的應(yīng)用，其特征在于，采集待測(cè)條銹病菌夏孢子樣品的近紅外 光譜數(shù)據(jù)，經(jīng)過(guò)預(yù)處理之后輸入權(quán)利要求7或8所述的模型，計(jì)算獲得待測(cè)樣品的夏孢子萌 發(fā)率。
【專利摘要】本發(fā)明涉及真菌孢子萌發(fā)率的檢測(cè)，具體提供了一種應(yīng)用近紅外光譜技術(shù)測(cè)定小麥條銹病菌夏孢子萌發(fā)率的方法，基于近紅外光譜技術(shù)，根據(jù)孢子萌發(fā)試驗(yàn)方法獲得的小麥條銹菌夏孢子的萌發(fā)率及其相應(yīng)樣品的近紅外光譜數(shù)據(jù)，建立孢子萌發(fā)率的判別模型，實(shí)現(xiàn)了小麥條銹病菌夏孢子萌發(fā)率的自動(dòng)無(wú)損檢測(cè)。
【IPC分類】G01N21-359
【公開號(hào)】CN104730027
【申請(qǐng)?zhí)枴緾N201510055695
【發(fā)明人】王海光, 秦豐, 程培, 李小龍, 趙雅瓊, 馬占鴻, 趙龍蓮, 李軍會(huì)
【申請(qǐng)人】中國(guó)農(nóng)業(yè)大學(xué)
【公開日】2015年6月24日
【申請(qǐng)日】2015年2月3日