Recently, a team led by Prof. Wang Rujing and Wang Liusan from the Hefei Institutes of Physical Science of the Chinese Academy of Sciences, developed a method to detect internal cracks in rice seeds using near-infrared spectroscopy.
最近，中国科学院合肥物理科学研究所的王如静教授和王六三教授领导的一个团队开发了一种使用近红外光谱检测水稻种子内部裂纹的方法
“裂缝会影响种子的发芽率，”王流三说。“我们的研究可以帮助用非破坏性的方法选择高质量的种子。”研究结果发表在《光谱化学学报a辑：分子和生物分子光谱学》上
在农业生产中，水稻种子的质量直接关系到作物的产量和质量。然而，水稻种子内部的裂缝往往难以用肉眼识别，这对评估水稻种子的质量构成了挑战
在这项研究中，研究人员开发了一种使用近红外光谱检测水稻种子内部裂纹的非破坏性方法。他们应用了机器学习分类算法，结合光谱预处理方法来建立模型。对模型的性能进行比较，以获得最优模型
结果表明，偏最小二乘判别和原始光谱数据模型的结合是最有效的。虽然最好的支持向量机模型表现不佳，但它仍然优于随机森林和k近邻模型。波长重要性分析表明，检测水稻种子内部裂纹的关键变量与直链淀粉含量有关 该团队表示，该技术的应用不仅提高了水稻种子质量评估的效率和准确性，还为农业生产中的种子质量控制提供了新的技术手段