種子活力無(wú)損檢測(cè)方法研究進(jìn)展

瞿志杰，賈良權(quán)，祁亨年，王瑞琴，趙光武

（1.浙江農(nóng)林大學(xué) 信息工程學(xué)院，浙江 杭州 311300；2.湖州師范學(xué)院 信息工程學(xué)院，浙江 湖州313000；3.浙江農(nóng)林大學(xué) 農(nóng)業(yè)與食品科學(xué)學(xué)院，浙江 杭州 311300）

種子活力（seed vigor）是判定種子質(zhì)量的重要依據(jù)，與農(nóng)、林、園藝等生產(chǎn)息息相關(guān)，對(duì)農(nóng)林業(yè)發(fā)展具有重要意義[1]。19世紀(jì)的德國(guó)種子檢查方法中已經(jīng)有發(fā)芽速度、發(fā)芽速力、發(fā)芽力、生長(zhǎng)力、種子大小等表示種子活力高低的檢測(cè)項(xiàng)目。1950年，國(guó)際種子檢驗(yàn)協(xié)會(huì)（International Seed Testing Association,ISTA）和北美官方種子分析家協(xié)會(huì)（North American Association of Official Seed Analysts,AOSA）組織成立了ISTA活力測(cè)定委員和AOSA活力委員會(huì)，這兩大委員會(huì)負(fù)責(zé)總結(jié)全世界國(guó)家的種子活力測(cè)定成果。1980年發(fā)行的《種子活力測(cè)定方法手冊(cè)》概述了低溫測(cè)定方法、電導(dǎo)率測(cè)定等8種種子活力測(cè)定方法[2]。1982年中國(guó)學(xué)者[3]開(kāi)始了種子活力的探索，通過(guò)發(fā)芽生理法測(cè)定白菜Brassica pekinensis、菜豆Phaseolus vulgaris、蘿卜Raphanus sativus等種子的活力。1996年，通過(guò)電導(dǎo)率等多項(xiàng)指標(biāo)對(duì)濕地種子進(jìn)行活力探測(cè)[4]。2001年第1次將機(jī)器視覺(jué)技術(shù)[5]引入農(nóng)作物種子質(zhì)量檢驗(yàn)中，開(kāi)啟了無(wú)損檢測(cè)的嘗試。在之后的10 a里，種子活力檢測(cè)研究逐步引入激光散斑技術(shù)、超微弱發(fā)光法、高光譜成像技術(shù)、電導(dǎo)法檢測(cè)技術(shù)、電子鼻探測(cè)技術(shù)等新型技術(shù)。這些檢測(cè)方法具有操作簡(jiǎn)單、檢測(cè)速度快、準(zhǔn)確率高和無(wú)損等優(yōu)勢(shì)，隨著種子檢測(cè)技術(shù)領(lǐng)域的不斷拓展，將成為種子活力測(cè)定的新方向。

1 種子活力無(wú)損檢測(cè)方法

種子活力反映的是種子在田間條件下的出苗率和出苗時(shí)間，因此無(wú)損檢測(cè)方法都應(yīng)基于種子活力相關(guān)的某種特性檢測(cè)從而間接獲得種子的活力值。總結(jié)起來(lái)，有基于光學(xué)特性、生理生化特性和外觀特性的3類(lèi)種子活力無(wú)損檢測(cè)方法。其中，基于光學(xué)特性的無(wú)損檢測(cè)方法包括近紅外光譜檢測(cè)技術(shù)、高光譜檢測(cè)技術(shù)、激光散斑技術(shù)、葉綠素?zé)晒鈾z測(cè)技術(shù)及激光檢測(cè)技術(shù)；基于生理生化特性的無(wú)損檢測(cè)技術(shù)有電子鼻檢測(cè)技術(shù)、電導(dǎo)法檢測(cè)技術(shù)、過(guò)氧化氫（H2O2）流速檢測(cè)技術(shù)以及可調(diào)諧半導(dǎo)體激光吸收光譜（tunable diode laser absorption spectroscopy，TDLAS）檢測(cè)技術(shù)；基于種子外觀特性的檢測(cè)技術(shù)主要是機(jī)器視覺(jué)檢測(cè)技術(shù)。

1.1 基于光學(xué)特性的種子質(zhì)量檢測(cè)方法

當(dāng)光輻射到種子時(shí)，種子會(huì)以表面反射和本體反射等能量形式轉(zhuǎn)移，并且種子在輻射不同強(qiáng)度和密集度的光之后所展現(xiàn)的特性也不同。利用種子對(duì)光的吸收特性，將種子的光學(xué)特性與內(nèi)部活力指標(biāo)建立關(guān)聯(lián)，可以利用該關(guān)聯(lián)對(duì)種子活力進(jìn)行判別。

1.1.1 近紅外光譜檢測(cè)技術(shù) 近紅外光譜技術(shù)（near infrared spectroscopy，NIR）[6]的原理是近紅外光（波長(zhǎng)780～2 526 nm）激發(fā)有機(jī)物的官能團(tuán)，有機(jī)物組成的分子吸收近紅外光對(duì)應(yīng)部分的能量，從穩(wěn)定的基態(tài)躍遷到不穩(wěn)定的激發(fā)態(tài)。不同的分子因具有特定的振動(dòng)頻率，從而吸收的能量是特定的，所以可以生成特有的近紅外吸收光譜。利用此技術(shù)可以研究有機(jī)物中含氫基團(tuán)（O—H，N—H，C—H，S—H和P—H）對(duì)近紅外光譜的吸收特性，可對(duì)種子活力開(kāi)展定性和定量分析，并且該方法具有無(wú)損、成本低、無(wú)污染、速度快、不破壞樣品、測(cè)量方便等特點(diǎn)。

ALAMERY等[7]第1次通過(guò)創(chuàng)建偏最小二乘（PLS）預(yù)測(cè)模型來(lái)對(duì)種子活力等級(jí)進(jìn)行分類(lèi)，創(chuàng)建的二分類(lèi)預(yù)測(cè)模型能夠識(shí)別低和中、高活力種子群，正確率分別為80%～100%和96.3%～96.6%，證明了近紅外光譜技術(shù)對(duì)種子無(wú)損檢測(cè)的可行性。尹淑欣等[8]采用矢量歸一化和主成分分析法對(duì)近紅外光譜技術(shù)獲得的數(shù)據(jù)進(jìn)行預(yù)處理，去除數(shù)據(jù)噪聲并降維，利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型對(duì)單粒玉米Zea mays種子進(jìn)行識(shí)別，準(zhǔn)確率達(dá)90.30%，識(shí)別時(shí)間僅需27.36 ms[9]。時(shí)偉芳等[10]測(cè)得春小麥Triticum aestivum單粒種子二面平均光譜數(shù)據(jù)，通過(guò)最小二乘法建立定性的模型，測(cè)單粒小麥種子的活力，準(zhǔn)確率最優(yōu)達(dá)91.3%。白京等[11]基于近紅外光譜技術(shù)測(cè)得玉米種子的數(shù)據(jù)，采用多項(xiàng)式平滑預(yù)處理（SG）曲線減小噪聲，應(yīng)用支持向量機(jī)（SVM）構(gòu)建判別模型獲得種子有無(wú)活力的判別正確率達(dá)95.56%。李武等[12]將近紅外光譜技術(shù)與競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)法（CARS），無(wú)信息變量消除（UVE）和前向間隔偏最小二乘法（FiPLS）等3種方法相結(jié)合，篩選出最佳建模波段，利用偏最小二乘法回歸 （NISR）建立甜玉米種子活力相關(guān)指標(biāo)的預(yù)測(cè)模型，實(shí)現(xiàn)了采集一次光譜測(cè)定3個(gè)參數(shù)，提高了種子無(wú)損檢測(cè)的效率。在實(shí)際生產(chǎn)應(yīng)用中發(fā)現(xiàn)：該方法容易受其他因素的干擾，其中水份的干擾最為明顯，也最為常見(jiàn)。

1.1.2 高光譜檢測(cè)技術(shù) 高光譜成像技術(shù)（hyperspectral imaging technology）通過(guò)線陣掃面獲取種子樣本的空間信息和光譜信息，具有超多波段、光譜高分辨率和圖譜合一的特點(diǎn)。與近紅外光譜檢測(cè)技術(shù)測(cè)定在近紅外波長(zhǎng)范圍內(nèi)種子的吸收值不同，高光譜成像技術(shù)借助成像光譜儀，可在紫外、可見(jiàn)光、近紅外和中紅外等區(qū)域測(cè)定，可獲取數(shù)以百計(jì)波段，間隔非常小且光譜連續(xù)的光譜數(shù)據(jù)[13]。光譜中的每個(gè)像元均對(duì)應(yīng)一條連續(xù)的光譜，能夠反映某一個(gè)點(diǎn)所代表的信息。該方法不僅擁有近紅外光譜檢測(cè)技術(shù)的高分辨率，還能通過(guò)直觀的圖像更加全面地了解樣本內(nèi)部組成信息，通過(guò)測(cè)定的光譜數(shù)據(jù)可以無(wú)損檢測(cè)種子的相關(guān)活力[14]。

李美凌等[15]通過(guò)高光譜成像儀采集了水稻Oryza sativa‘滇雜31’（粳型三系雜交稻）、‘榮優(yōu)225’（秈型三系雜交稻）和‘珍珠糯’（秈型常規(guī)稻）等3個(gè)品種共564粒種子的高光譜數(shù)據(jù)，并將獲取光譜數(shù)據(jù)后的水稻種子進(jìn)行標(biāo)準(zhǔn)發(fā)芽實(shí)驗(yàn)，得到了種子活力數(shù)據(jù)。基于主成分提取光譜波段，建立基于SVM的2個(gè)活力梯度的預(yù)測(cè)模型，94.44%的分類(lèi)鑒別率初步論證了基于高光譜的雜交稻與常規(guī)稻種子活力檢測(cè)的可行性，并且表明波段選擇對(duì)模型的優(yōu)化是有效的。許思等[16]選取22個(gè)雜交水稻品種共5 280粒水稻種子為實(shí)驗(yàn)材料，通過(guò)人工老化處理得到3個(gè)活力梯度，實(shí)驗(yàn)所有品種的研究結(jié)果都表明：基于高光譜成像技術(shù)的種子活力等級(jí)進(jìn)行快速無(wú)損檢測(cè)普遍適用于雜交水稻，檢測(cè)準(zhǔn)確率可以達(dá)90%以上。吳小芬等[17]研究了基于高光譜的常規(guī)種子活力檢測(cè)，選取2個(gè)不同的常規(guī)水稻品種（‘甬秈69’和‘中早39’）為研究對(duì)象，選取了8 889粒樣本，老化處理獲得3個(gè)活力梯度。結(jié)果表明：對(duì)種子的發(fā)芽率、簡(jiǎn)易活力指數(shù)和苗長(zhǎng)等活力參數(shù)的預(yù)測(cè)，所建立的幾種預(yù)測(cè)模型均取得了較好的結(jié)果，最優(yōu)達(dá)98.9%。彭彥昆等[18]利用連續(xù)投影算法（SPA）獲得番茄 Lycopersicon esculentum種子的最優(yōu)特征波長(zhǎng)為713 nm，并借助統(tǒng)計(jì)學(xué)后得到的校正集和驗(yàn)證集的正確率分別為93.75%和90.48%。尤佳[19]采用偏最小二乘與迭代遺傳算法協(xié)同（siPLS-GA）篩選光譜特征波長(zhǎng)，對(duì)脫絨棉種用高光譜圖像技術(shù)進(jìn)行無(wú)損檢測(cè)，測(cè)得的數(shù)據(jù)用主成分分析進(jìn)行降維，創(chuàng)建判別分析和SVM模型，另用折交叉驗(yàn)證算法（K-CV）和粒子群優(yōu)化算法（PSO）對(duì)SVM模型進(jìn)行參數(shù)尋優(yōu)，達(dá)89.7%的分類(lèi)精度。LI等[20]對(duì)稻種獲得的原始高光譜數(shù)據(jù)采用小波包進(jìn)行預(yù)處理，對(duì)光譜數(shù)據(jù)進(jìn)行協(xié)方差分析降維和主成分分析提取特征波段，論證了稻種活力通過(guò)最小二乘支持向量回歸算法（LS-SVR）對(duì)其進(jìn)行測(cè)定是可行的，且獲得相關(guān)系數(shù)均超過(guò)95%的預(yù)測(cè)集和校正集。該系列研究在雜交稻、常規(guī)稻多個(gè)品種的上都獲得了有效性驗(yàn)證，但同時(shí)也表明各品種種子均存在差異，需要對(duì)不同品種建立檢測(cè)模型。

1.1.3 激光散斑技術(shù)測(cè)定 生物散斑是激光照射在種子表皮呈現(xiàn)顆粒結(jié)構(gòu)，產(chǎn)生的這種顆粒狀態(tài)被稱作散斑現(xiàn)象。主觀散斑是經(jīng)過(guò)透鏡成像形成的散斑，客觀散斑則是在自由空間傳播形成的散斑。種子散斑的變化反映種子內(nèi)在活力的某些相關(guān)性質(zhì)，因而能作為一種新型的種子無(wú)損檢測(cè)技術(shù)[21-23]。

MOREIRA等[24]使用激光散斑技術(shù)采集玉米種子的散斑圖像，基于測(cè)得的指標(biāo)建立種子活力分析的基本法則。激光散斑技術(shù)有快速無(wú)損測(cè)定種子活力的潛質(zhì)，但尚停留在實(shí)驗(yàn)室研究階段。王鳳鵬等[25]采用主觀和客觀激光散斑技術(shù)對(duì)大豆Glycine max種子進(jìn)行無(wú)損檢測(cè)，以圖像的形式給出定性檢測(cè)結(jié)果，并使用廣義差分算法進(jìn)行處理，實(shí)驗(yàn)結(jié)果驗(yàn)證了主觀和客觀激光散斑方法均可檢測(cè)大豆活力。趙瑛琦等[26]對(duì)麻皮豌豆Pisum sativum種子運(yùn)用激光散斑技術(shù)進(jìn)行活力測(cè)定，部分散斑圖像用時(shí)間對(duì)比分析法處理；同時(shí)結(jié)合栓皮櫟Quercus variabilis種子實(shí)際發(fā)芽結(jié)果與散斑值變化曲線的對(duì)比分析結(jié)果，驗(yàn)證了激光散斑能快速無(wú)損檢測(cè)栓皮櫟種子活力。該研究進(jìn)展驗(yàn)證了激光散斑技術(shù)可以快速無(wú)損地鑒別種子活力，但還需要克服不同品種的種子產(chǎn)生的實(shí)驗(yàn)結(jié)果差異性。

1.1.4 葉綠素?zé)晒鈾z測(cè)技術(shù) 葉綠素?zé)晒鈾z測(cè)技術(shù)是當(dāng)波長(zhǎng)為650～730 nm的光束射在種子表皮上，種皮上的葉綠素將會(huì)以熒光和熱的形式釋放能量，通過(guò)對(duì)種皮上葉綠素釋放的熒光信號(hào)進(jìn)行測(cè)定可獲得種子活力等級(jí)的相關(guān)信息。檢測(cè)到種子表皮的熒光信號(hào)越小，葉綠素含量也越少，則證明該種子活力也越高。通過(guò)葉綠素?zé)晒鈾z測(cè)技術(shù)可對(duì)種子活力進(jìn)行快速無(wú)損的檢測(cè)，由于該方法只對(duì)葉綠素有特異性，減少了其他光信號(hào)噪聲對(duì)熒光信號(hào)的影響，為該方法的普及應(yīng)用打下了良好的基礎(chǔ)。JALINK等[27-28]最先采用650～730 nm波長(zhǎng)激光照射單粒甘藍(lán)Brassica oleracea種皮，并根據(jù)種皮產(chǎn)生的葉綠素?zé)晒庑盘?hào)對(duì)種子進(jìn)行活力分級(jí)。證實(shí)葉綠素?zé)晒庑盘?hào)大小與種子質(zhì)量呈負(fù)相關(guān)，選取13%葉綠素?zé)晒庑盘?hào)來(lái)判別種子活力，可使種子活力等級(jí)的分選正確率由90%提升到97%。由于種皮本身葉綠素含量較少，且隨成熟度提高葉綠素含量會(huì)不斷降低，導(dǎo)致檢測(cè)的熒光信號(hào)差異性趨小，增加了監(jiān)測(cè)難度。KENANOLO[29]將4個(gè)不同品種和階段的辣椒Capsicum annuum種子采用美國(guó)Satake公司生產(chǎn)的葉綠素?zé)晒饧夹g(shù)種子分選機(jī)分級(jí)，依據(jù)葉綠素?zé)晒庑盘?hào)分級(jí)后的種子活力顯著增高。DELEURAN等[30]利用激光對(duì)單粒菠菜Spinacia oleracea種子進(jìn)行葉綠素?zé)晒鈾z測(cè)過(guò)程中，發(fā)現(xiàn)葉綠素?zé)晒庑盘?hào)分級(jí)更適合最終的種子分級(jí)，并且可以對(duì)每年至少20%要丟棄的小顆粒蔬菜種子進(jìn)行檢測(cè)和分選，將分選后的種子重新投入農(nóng)業(yè)生產(chǎn)中。葉綠素?zé)晒鈾z測(cè)法屬于高效無(wú)損的種子活力檢測(cè)技術(shù)，但是在種子樣本中葉綠素含量過(guò)高或者過(guò)低的情況下，最后獲得的種子活力分級(jí)效果欠佳。

1.1.5 其他光特性檢測(cè)技術(shù) 紅外熱成像技術(shù)[31]能夠很好地反映種子表面的溫度范圍和分布的細(xì)微變化。利用種子新陳代謝產(chǎn)生的這種輻射性能的熱場(chǎng)，紅外熱成像技術(shù)能觀測(cè)到在可見(jiàn)光下無(wú)法用肉眼直接觀察到的種子外形輪廓和表面熱分布。種子表面各點(diǎn)的溫度及其變化在顯示屏上以灰度差和偽彩色的形式表現(xiàn)，從而獲得種子表面溫度高低與種子活力高低關(guān)系的重要指標(biāo)。KRANNER等[32]通過(guò)蒙特卡羅模擬開(kāi)發(fā)了 “虛擬豌豆種子”的計(jì)算機(jī)模型，該模型可以有效預(yù)測(cè)吸水后豌豆種子相關(guān)活性值。軟X-射線造影測(cè)定法的原理是利用重離子不能被有活力的種子吸收，而重離子能滲入失去活力的種子內(nèi)部并對(duì)X-射線有強(qiáng)烈的吸收性能[3]。楊冬風(fēng)[33]通過(guò)軟X-射線下曝光造影鋇鹽處理過(guò)的種子，發(fā)現(xiàn)死傷組織呈明亮白色，反之為黑色。建立BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型能有效檢測(cè)軟X-射線下曝光造影的圖片，并且輸出的種子活力判斷結(jié)果達(dá)95%。生物的微弱發(fā)光（又稱生物發(fā)光）是由生命體（細(xì)菌微生物、植物、動(dòng)物、人等）光細(xì)胞或光細(xì)胞所組成的光器官產(chǎn)生[34]。生物產(chǎn)生的光子輻射極其微弱，一般在幾到幾千個(gè)光子之間。生物微弱發(fā)光能反映生物系統(tǒng)的氧化代謝等諸多生命活動(dòng)。章華仙[35]采用BPCL儀測(cè)試不同時(shí)間光照下稻種的微弱發(fā)光實(shí)驗(yàn)，發(fā)現(xiàn)種子的微弱發(fā)光特性可以定性地判斷出種子的新陳度。

1.2 基于生理生化特性的種子質(zhì)量檢測(cè)方法

1.2.1 電子鼻檢測(cè)技術(shù) 種子在存儲(chǔ)中會(huì)釋放出一些羰基化合物（如醛類(lèi)、酮類(lèi)、醇類(lèi)等），還有少量醇類(lèi)和其他化合物的氣體[36]。電子鼻是一種能夠發(fā)現(xiàn)、識(shí)別和辨別氣味的電子系統(tǒng)，其工作原理是模擬人的嗅覺(jué)器官。電子鼻一般由模式識(shí)別子系統(tǒng)、信號(hào)處理子系統(tǒng)和氣敏傳感器陣列等3大部分組成[37]。種子釋放的痕量氣體，可以被電子鼻快速識(shí)別，并分析測(cè)得的數(shù)據(jù)來(lái)識(shí)別種子活力。

偉利國(guó)等[38]研制了一套電子鼻檢測(cè)系統(tǒng)能快速識(shí)別小麥活性。該系統(tǒng)由5個(gè)可以分別提取2個(gè)特征值氣敏傳感器組成，對(duì)測(cè)得的數(shù)據(jù)用歸一化和平滑濾波進(jìn)行處理，通過(guò)比較后采用PNN神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別，訓(xùn)練樣本的回判準(zhǔn)確率為100%，測(cè)試樣本網(wǎng)絡(luò)識(shí)別正確率為91%。ZHANG等[39]利用電子鼻獲取活力不同甜玉米種子的氣味信息，將測(cè)取的氣味信息進(jìn)行主成分分析，獲得各個(gè)氣味成分的數(shù)據(jù)貢獻(xiàn)率，并結(jié)合Loading分析主要差異性氣體，建立Lib-SVM模型進(jìn)行種子活力判別，后經(jīng)回歸模型驗(yàn)證發(fā)現(xiàn)：實(shí)驗(yàn)測(cè)得的種子活力準(zhǔn)確率達(dá)96.67%。之后該課題組重新將SVM模型結(jié)合LDA和Loadings分析法，發(fā)現(xiàn)可以更好地鑒別和區(qū)分經(jīng)過(guò)不同處理和老化程度后的小麥種子。但種子的品種、產(chǎn)地和年份等相關(guān)因素的變化可能會(huì)使種子氣味發(fā)生變化，需要不斷重復(fù)的建模來(lái)適應(yīng)這種因素的變化，導(dǎo)致了工作量的增加。另外，氣相色譜離子遷移譜技術(shù)兼具氣相色譜和離子遷移譜技術(shù)的特點(diǎn)，擁有高分離能力的氣相色譜以及高靈敏度的離子遷移譜，運(yùn)用靜態(tài)頂空進(jìn)樣法對(duì)種子揮發(fā)的痕量氣體進(jìn)行準(zhǔn)確、無(wú)損檢測(cè)，可為氣相色譜離子遷移譜技術(shù)分選種子活力提供更多技術(shù)保障。

1.2.2 電導(dǎo)法檢測(cè)技術(shù) 電導(dǎo)法是一種測(cè)定種子浸出液的電導(dǎo)率來(lái)判斷種子活力高低的檢測(cè)技術(shù)，其原理是利用種子在初期吸水膨脹時(shí)細(xì)胞膜會(huì)進(jìn)行重建，完整重建細(xì)胞膜的速度越快，則外滲物就越少。種子損傷修復(fù)能力的快慢也影響電解質(zhì)和內(nèi)部可溶性物質(zhì)滲出的程度。電導(dǎo)率越低，則種子的活力越高[40-41]。張文明等[42]以不同品種的大豆種子作為樣本，經(jīng)過(guò)電導(dǎo)率實(shí)驗(yàn)和模擬田間出苗率的驗(yàn)證，證明了電導(dǎo)法可快速可靠地檢測(cè)種子活力。段永紅等[43]初步驗(yàn)證了電導(dǎo)法可作為雜交水稻種子活力的重要手段之一，但是在實(shí)驗(yàn)結(jié)果上無(wú)法做到與預(yù)期實(shí)驗(yàn)結(jié)果吻合，推測(cè)與實(shí)驗(yàn)樣本中有破損種子的引入有關(guān)。朱銀等[44]結(jié)合人工加速老化對(duì)小麥種子進(jìn)行電導(dǎo)法檢測(cè)，驗(yàn)證電導(dǎo)率與小麥種子活力、發(fā)芽率、發(fā)芽指數(shù)都呈負(fù)相關(guān)，可以作為小麥種子活力的重要參照指標(biāo)。電導(dǎo)法可以成為種子活力檢測(cè)的重要手段，但易受到種子預(yù)處理、破損種子和水質(zhì)等因素的影響。

1.2.3 H2O2流速檢測(cè)種子活力 非損傷微測(cè)技術(shù)是通過(guò)測(cè)定滴在種子表面的H2O2流速來(lái)判斷種子的活力。H2O2是植物自身攜帶的一種信號(hào)物質(zhì)，它可以在植物細(xì)胞內(nèi)或者細(xì)胞之間流動(dòng)，并引發(fā)一系列分子、生理學(xué)和表型上的響應(yīng)。對(duì)于未老化種子，由于抗氧化酶活力較高，種子的H2O2含量較低，所測(cè)得的H2O2流速負(fù)值多于正值。老化后則相反。因此活力強(qiáng)的種子H2O2外流作用弱；活力弱的種子內(nèi)部的 H2O2含量上升，H2O2會(huì)出現(xiàn)外流現(xiàn)象[45-46]。

李俊周等[47]采用非損傷微測(cè)技術(shù)對(duì)單粒水稻種子表面進(jìn)行H2O2流速測(cè)定，可精確預(yù)判種子活力值和種子發(fā)芽率。老化程度加重則種子抗氧化相關(guān)酶活力急劇下降。種子H2O2流速與發(fā)芽率、電導(dǎo)率、H2O2含量有顯著的線性相關(guān)。該方法還需進(jìn)行種子活力測(cè)試的實(shí)際應(yīng)用，以獲得檢測(cè)的準(zhǔn)確率、適用區(qū)值、相關(guān)系數(shù)等實(shí)驗(yàn)數(shù)據(jù)，為該方法的實(shí)際生產(chǎn)提供更多可能。

1.2.4 可調(diào)諧二極管激光器吸收光譜技術(shù)檢測(cè)法 種子的活力與種子的呼吸存在正相關(guān)性，種子呼吸過(guò)程中氧氣（O2）的消耗和產(chǎn)生的二氧化碳（CO2）情況可以有效地反映出種子的活力水平。可調(diào)諧二極管激光器吸收光譜技術(shù)（TDLAS）是近年來(lái)發(fā)展的一種痕量氣體質(zhì)量濃度監(jiān)測(cè)技術(shù)，具有高靈敏、高分辨率的特點(diǎn)，目前已經(jīng)能夠達(dá)到9～10級(jí)甚至10～12級(jí)別的檢測(cè)限。研究表明：將種子置于密閉容器中可迅速測(cè)得CO2濃度變化，基于TDLAS方法測(cè)定種子活力的方法具有可行性。

1.3 基于外觀特征的種子質(zhì)量檢測(cè)方法

基于外觀特征的種子質(zhì)量檢測(cè)方法是借助機(jī)器視覺(jué)模擬人的視覺(jué)相關(guān)功能，將獲取的圖像信息進(jìn)行數(shù)字化處理，然后建立檢測(cè)指標(biāo)與種子活力之間的判別模型[48-51]，可區(qū)分種子活力強(qiáng)弱。

葉鳳林等[52]采用機(jī)器視覺(jué)技術(shù)中種子形態(tài)自動(dòng)化識(shí)別軟件，可快速識(shí)別黃芩Scutellaria baicalensis種子的物理特性并探究與種子活力之間的相關(guān)性，測(cè)取黃芩種子的色相、寬度、長(zhǎng)度和投影面積，識(shí)別準(zhǔn)確率達(dá)78.5%。劉敏潔等[53]通過(guò)機(jī)器視覺(jué)技術(shù)識(shí)別不同品種甜玉米種子之間的活力差別，提取玉米種子的色彩要素值、飽和度和投影面積等參數(shù)值，進(jìn)行種子活力相關(guān)分析，創(chuàng)建種子活力預(yù)測(cè)、篩選模型，并結(jié)合人工神經(jīng)網(wǎng)絡(luò)和二元邏輯回歸數(shù)據(jù)分析方法，整體預(yù)測(cè)準(zhǔn)確率最高達(dá)77.6%。李振等[54-55]用機(jī)器視覺(jué)技術(shù)對(duì)辣椒種子進(jìn)行無(wú)損活力檢測(cè)，結(jié)果表明：利用過(guò)黃特征法、閾值處理和漫水填充算法可加快處理時(shí)間，提取的種子灰度值可反映種子活力信息，經(jīng)種子活力指標(biāo)檢測(cè)系統(tǒng)測(cè)定的準(zhǔn)確度達(dá)92%。機(jī)器視覺(jué)技術(shù)對(duì)種子測(cè)量環(huán)境要求高，在農(nóng)業(yè)復(fù)雜生產(chǎn)環(huán)境中適應(yīng)能力不足。同時(shí)在種子特征不明顯的情況下，不僅需要提升算法精度，還需要克服高精度帶來(lái)的計(jì)算量大的問(wèn)題。

2 結(jié)論與展望

從國(guó)內(nèi)外研究現(xiàn)狀來(lái)看[56]，種子活力無(wú)損檢測(cè)的研究方法，一般均基于對(duì)種子某種與活力相關(guān)的特性進(jìn)行測(cè)定，采用跨領(lǐng)域的方法去檢測(cè)種子活力的關(guān)聯(lián)關(guān)系，并建立與種子活力的檢測(cè)系統(tǒng)。種子活力無(wú)損檢測(cè)方法雖然擁有快速、無(wú)損、成本低、無(wú)污染、重復(fù)性好、測(cè)量方便等優(yōu)點(diǎn)，但是在現(xiàn)研究階段還需要克服諸多困難。基于光學(xué)類(lèi)特性的檢測(cè)方法中，近紅外光譜檢測(cè)技術(shù)在實(shí)驗(yàn)中需要克服來(lái)自水份、溫度以及樣本差異等因素的干擾；高光譜檢測(cè)技術(shù)需要選取特征波長(zhǎng)，去除圖像噪聲以及實(shí)現(xiàn)在線化應(yīng)用；激光散斑技術(shù)不僅需要實(shí)現(xiàn)在線化應(yīng)用，還需要克服樣本差異性；葉綠素?zé)晒鈾z測(cè)技術(shù)需要解決樣本中葉綠素含量過(guò)高或過(guò)低導(dǎo)致種子活力分選結(jié)果不理想的難點(diǎn)。基于生理生化類(lèi)特性的檢測(cè)方法中，電子鼻檢測(cè)技術(shù)除了需要解決檢測(cè)設(shè)備造價(jià)高昂的問(wèn)題，還需要結(jié)合發(fā)展氣相色譜離子遷移譜技術(shù)的技術(shù)優(yōu)勢(shì)；電導(dǎo)法檢測(cè)技術(shù)最先需要解決預(yù)處理過(guò)程中種子易破損和實(shí)驗(yàn)環(huán)境難以穩(wěn)定的難點(diǎn)；H2O2流速檢測(cè)技術(shù)需解決試劑用量、種子實(shí)驗(yàn)區(qū)域和檢測(cè)技術(shù)保障等難題；TDLAS檢測(cè)技術(shù)尚處于實(shí)驗(yàn)室階段，離農(nóng)業(yè)實(shí)際檢測(cè)存在差距。基于外觀特性的機(jī)器視覺(jué)檢測(cè)技術(shù)需經(jīng)過(guò)不斷實(shí)驗(yàn)來(lái)確定拍攝區(qū)域，優(yōu)化實(shí)驗(yàn)過(guò)程中的算法以及提升實(shí)驗(yàn)最終的檢測(cè)正確率。另外種子活力檢測(cè)的樣本數(shù)量和種類(lèi)不足，大部分是對(duì)水稻、玉米、小麥以及大豆等主要農(nóng)作種子的檢測(cè)[57-61]。經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)，上述所有檢測(cè)技術(shù)的樣本種類(lèi)為16種種子，說(shuō)明還有更多品種的種子需等待后續(xù)的測(cè)定和完善[62-64]。上述檢測(cè)方法對(duì)農(nóng)業(yè)發(fā)展應(yīng)用都具有很大的潛能和優(yōu)勢(shì)，不僅提升了檢測(cè)效率和正確率，而且對(duì)農(nóng)耕生產(chǎn)、育種以及存儲(chǔ)都具有重要的指導(dǎo)作用。