CN1484761A - 分析农产品的方法和装置 - Google Patents
分析农产品的方法和装置 Download PDFInfo
- Publication number
- CN1484761A CN1484761A CNA018216080A CN01821608A CN1484761A CN 1484761 A CN1484761 A CN 1484761A CN A018216080 A CNA018216080 A CN A018216080A CN 01821608 A CN01821608 A CN 01821608A CN 1484761 A CN1484761 A CN 1484761A
- Authority
- CN
- China
- Prior art keywords
- seed
- sample
- light
- sample spot
- discrete space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 175
- 238000004458 analytical method Methods 0.000 claims abstract description 60
- 238000005259 measurement Methods 0.000 claims description 121
- 230000003287 optical effect Effects 0.000 claims description 114
- 241000196324 Embryophyta Species 0.000 claims description 92
- 238000001228 spectrum Methods 0.000 claims description 87
- 239000000203 mixture Substances 0.000 claims description 61
- 230000003595 spectral effect Effects 0.000 claims description 43
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 40
- 240000008042 Zea mays Species 0.000 claims description 39
- 239000003921 oil Substances 0.000 claims description 38
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 34
- 235000005822 corn Nutrition 0.000 claims description 34
- 235000019198 oils Nutrition 0.000 claims description 33
- 108090000623 proteins and genes Proteins 0.000 claims description 32
- 229920002472 Starch Polymers 0.000 claims description 31
- 235000019698 starch Nutrition 0.000 claims description 31
- 239000008107 starch Substances 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 30
- 238000012216 screening Methods 0.000 claims description 29
- 238000009395 breeding Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 27
- 230000005540 biological transmission Effects 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 25
- 102000004169 proteins and genes Human genes 0.000 claims description 24
- 235000018102 proteins Nutrition 0.000 claims description 22
- 230000001488 breeding effect Effects 0.000 claims description 21
- 239000011121 hardwood Substances 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 16
- 229910052736 halogen Inorganic materials 0.000 claims description 15
- 238000009396 hybridization Methods 0.000 claims description 15
- 239000006185 dispersion Substances 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 13
- 239000012297 crystallization seed Substances 0.000 claims description 12
- 238000004611 spectroscopical analysis Methods 0.000 claims description 12
- 235000014633 carbohydrates Nutrition 0.000 claims description 10
- 150000001720 carbohydrates Chemical class 0.000 claims description 10
- 230000006378 damage Effects 0.000 claims description 10
- 239000000835 fiber Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 229910052724 xenon Inorganic materials 0.000 claims description 8
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 claims description 8
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 claims description 7
- 229910052721 tungsten Inorganic materials 0.000 claims description 7
- 239000010937 tungsten Substances 0.000 claims description 7
- -1 tungsten halogen Chemical class 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 229920000945 Amylopectin Polymers 0.000 claims description 6
- 229920000856 Amylose Polymers 0.000 claims description 6
- 150000002367 halogens Chemical class 0.000 claims description 6
- WPYVAWXEWQSOGY-UHFFFAOYSA-N indium antimonide Chemical compound [Sb]#[In] WPYVAWXEWQSOGY-UHFFFAOYSA-N 0.000 claims description 6
- 230000000926 neurological effect Effects 0.000 claims description 5
- ZXEYZECDXFPJRJ-UHFFFAOYSA-N $l^{3}-silane;platinum Chemical compound [SiH3].[Pt] ZXEYZECDXFPJRJ-UHFFFAOYSA-N 0.000 claims description 4
- 229910000661 Mercury cadmium telluride Inorganic materials 0.000 claims description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 4
- 150000001413 amino acids Chemical class 0.000 claims description 4
- 229910052785 arsenic Inorganic materials 0.000 claims description 4
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 claims description 4
- MCMSPRNYOJJPIZ-UHFFFAOYSA-N cadmium;mercury;tellurium Chemical compound [Cd]=[Te]=[Hg] MCMSPRNYOJJPIZ-UHFFFAOYSA-N 0.000 claims description 4
- 239000011521 glass Substances 0.000 claims description 4
- 208000015181 infectious disease Diseases 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 4
- 229910052753 mercury Inorganic materials 0.000 claims description 4
- 229910052754 neon Inorganic materials 0.000 claims description 4
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 claims description 4
- 229910052710 silicon Inorganic materials 0.000 claims description 4
- 239000010703 silicon Substances 0.000 claims description 4
- 229920002494 Zein Polymers 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 239000005019 zein Substances 0.000 claims description 3
- 229940093612 zein Drugs 0.000 claims description 3
- 108700001094 Plant Genes Proteins 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 17
- 210000001161 mammalian embryo Anatomy 0.000 claims 10
- 239000002245 particle Substances 0.000 claims 6
- 208000022602 disease susceptibility Diseases 0.000 claims 4
- 206010017533 Fungal infection Diseases 0.000 claims 2
- 208000031888 Mycoses Diseases 0.000 claims 2
- 229930014669 anthocyanidin Natural products 0.000 claims 2
- 150000001452 anthocyanidin derivatives Chemical class 0.000 claims 2
- 235000008758 anthocyanidins Nutrition 0.000 claims 2
- 239000008187 granular material Substances 0.000 claims 2
- 125000005843 halogen group Chemical group 0.000 claims 2
- 229910021339 platinum silicide Inorganic materials 0.000 claims 2
- 239000000126 substance Substances 0.000 abstract description 22
- 230000001066 destructive effect Effects 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 218
- 238000003384 imaging method Methods 0.000 description 29
- 235000013339 cereals Nutrition 0.000 description 28
- 239000000470 constituent Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 12
- 238000000701 chemical imaging Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 239000010453 quartz Substances 0.000 description 10
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 10
- 238000002310 reflectometry Methods 0.000 description 9
- 238000003491 array Methods 0.000 description 7
- 230000009897 systematic effect Effects 0.000 description 7
- 238000005303 weighing Methods 0.000 description 7
- 244000068988 Glycine max Species 0.000 description 6
- 235000010469 Glycine max Nutrition 0.000 description 6
- 241000209140 Triticum Species 0.000 description 6
- 235000021307 Triticum Nutrition 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 235000009973 maize Nutrition 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000750 progressive effect Effects 0.000 description 4
- 235000019624 protein content Nutrition 0.000 description 4
- 230000011514 reflex Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 3
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 3
- 239000004472 Lysine Substances 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 229920000995 Spectralon Polymers 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000009399 inbreeding Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 238000002834 transmittance Methods 0.000 description 3
- 108700028369 Alleles Proteins 0.000 description 2
- 240000002791 Brassica napus Species 0.000 description 2
- 241000233866 Fungi Species 0.000 description 2
- 229910000673 Indium arsenide Inorganic materials 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 2
- 235000011613 Pinus brutia Nutrition 0.000 description 2
- 241000018646 Pinus brutia Species 0.000 description 2
- 241000219793 Trifolium Species 0.000 description 2
- UELITFHSCLAHKR-UHFFFAOYSA-N acibenzolar-S-methyl Chemical compound CSC(=O)C1=CC=CC2=C1SN=N2 UELITFHSCLAHKR-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 235000012343 cottonseed oil Nutrition 0.000 description 2
- 238000009402 cross-breeding Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 235000014113 dietary fatty acids Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229930195729 fatty acid Natural products 0.000 description 2
- 239000000194 fatty acid Substances 0.000 description 2
- 150000004665 fatty acids Chemical class 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- RPQDHPTXJYYUPQ-UHFFFAOYSA-N indium arsenide Chemical compound [In]#[As] RPQDHPTXJYYUPQ-UHFFFAOYSA-N 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- VCEXCCILEWFFBG-UHFFFAOYSA-N mercury telluride Chemical compound [Hg]=[Te] VCEXCCILEWFFBG-UHFFFAOYSA-N 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 230000010152 pollination Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035040 seed growth Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000219195 Arabidopsis thaliana Species 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 241000209763 Avena sativa Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000219310 Beta vulgaris subsp. vulgaris Species 0.000 description 1
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 1
- 235000006008 Brassica napus var napus Nutrition 0.000 description 1
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 1
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 1
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 1
- 235000006618 Brassica rapa subsp oleifera Nutrition 0.000 description 1
- 244000188595 Brassica sinapistrum Species 0.000 description 1
- 208000003643 Callosities Diseases 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 244000060011 Cocos nucifera Species 0.000 description 1
- 235000013162 Cocos nucifera Nutrition 0.000 description 1
- 229920002261 Corn starch Polymers 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 244000004281 Eucalyptus maculata Species 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 101000596041 Homo sapiens Plastin-1 Proteins 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 206010021929 Infertility male Diseases 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- 240000003553 Leptospermum scoparium Species 0.000 description 1
- 240000006240 Linum usitatissimum Species 0.000 description 1
- 235000004431 Linum usitatissimum Nutrition 0.000 description 1
- 241000208682 Liquidambar Species 0.000 description 1
- 235000006552 Liquidambar styraciflua Nutrition 0.000 description 1
- 235000015459 Lycium barbarum Nutrition 0.000 description 1
- 208000007466 Male Infertility Diseases 0.000 description 1
- 240000004658 Medicago sativa Species 0.000 description 1
- 235000017587 Medicago sativa ssp. sativa Nutrition 0.000 description 1
- 240000005561 Musa balbisiana Species 0.000 description 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 1
- 241000428199 Mustelinae Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 241000233855 Orchidaceae Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000008577 Pinus radiata Nutrition 0.000 description 1
- 241000218621 Pinus radiata Species 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 240000003889 Piper guineense Species 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 102100035181 Plastin-1 Human genes 0.000 description 1
- 241000168036 Populus alba Species 0.000 description 1
- 241000353135 Psenopsis anomala Species 0.000 description 1
- 240000000528 Ricinus communis Species 0.000 description 1
- 235000004443 Ricinus communis Nutrition 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 241000226211 Salminus brasiliensis Species 0.000 description 1
- 244000007853 Sarothamnus scoparius Species 0.000 description 1
- 240000003829 Sorghum propinquum Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 235000021536 Sugar beet Nutrition 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- 239000006035 Tryptophane Substances 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 241000482268 Zea mays subsp. mays Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 229930002877 anthocyanin Natural products 0.000 description 1
- 235000010208 anthocyanin Nutrition 0.000 description 1
- 239000004410 anthocyanin Substances 0.000 description 1
- 150000004636 anthocyanins Chemical class 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008120 corn starch Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000004426 flaxseed Nutrition 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 125000004383 glucosinolate group Chemical group 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 235000011837 pasties Nutrition 0.000 description 1
- 230000008775 paternal effect Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000003822 preparative gas chromatography Methods 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 235000004252 protein component Nutrition 0.000 description 1
- 235000021251 pulses Nutrition 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 229910052761 rare earth metal Inorganic materials 0.000 description 1
- 150000002910 rare earth metals Chemical class 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 235000020238 sunflower seed Nutrition 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
- 229960004799 tryptophan Drugs 0.000 description 1
- 239000005418 vegetable material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及分析农产品的装置和方法。更具体地,本发明涉及用于一个或多个种子的物理和化学特性的实时、无损分析的装置和方法。
Description
技术领域
本发明涉及分析农产品的装置和方法,更具体地,本发明涉及用于一个或多个种子的物理和化学特性的实时、无损分析的装置和方法。
背景技术
组成上提高的农产品育种可能需要分析大量来自植物的种子样品,以确定具有希望的组成和农业学性质的植物,供使用或发展到下一代。在单一植物或穗上对于某些特性如高油量或高蛋白质量分析散装种子批次与合适的育种方法(如轮回筛选)相结合,常常可以向商品种群中筛选或引入这样的特性。虽然这些种子批次的分析可以通过各种技术进行,但是通常使用快速、低成本和无损的方法。
在过去10年中,近红外(NIR)光谱已经变成筛选种子样品的标准方法,只要感兴趣的样品可以使用这种技术。所研究的样品包括小麦、玉米、大豆、菜籽(canola)、稻、苜蓿、燕麦等(参见例如Massie和Norris,“Spectral Reflectance and Transmittance Properties ofGrain in the Visible and Near Infrared”,Transactions of theASAE,Winter Meeting of the American Society of AgriculturalEngineers,1965,第598-600页,其整体引入本文作为参考)。NIR光谱使用通常在770-2,500纳米范围内的近红外光,获得有机官能团O-H、C-H和N-H的基本振动频率的谱波(overtone)和组合。测量这样的光的装置是本领域已知的(参见例如Hyvarinen等人的“DirectSight Imaging Spectrograph:A Unique Add-on Component BringsSpectral Imaging to Industrial Applications”,SPIE Vol.3,302,1998,Burns和Ciurczak编辑的“Handbook of Near-InfraredAnalysis”,Marcel Dekker,Inc.1992,这两篇文献整体引入本文作为参考)。
通常测定与一批种子相关的NIR光谱(例如常常使用能保持100颗种子的比色皿。这种测定可以与样品的传统化学分析相结合,以提供额外的数据并建立化学统计校准模型。通常对于一些特性建立化学统计校准模型,这些特性包括但不限于:油、淀粉、水、纤维、蛋白质、可提取的淀粉、叶绿素、glucosinolate和脂肪酸(参见例如Archibald等人的“Development of Short-Wavelength Near-InfraredSpectral Imaging for Grain Color Classification”,SPIE Vol.3,543,1998,第189-198页;Delwiche,“Single Wheat KernelAnalysis by Near-Infrared Transmittance:Protein Content”,Analytical Techniques and Instrumentation,Vol.72,1995,第11-16页;Dowell的“Automated Color Classification of SingleWheat Kernels Using Visible and Near-Infrared Reflectance”,Vol.75(1),1998,第142-144页;Orman和Schumann的”Comparisonof Near-Infrared Spectroscopy Calibration Methods for thePrediction of Protein,Oil,and Starch in Maize Grain”,Vol.39,1991,第883-886页;Robutti的”Maize Kernel HardnessEstimation in Breeding by Near-Infrared TransmissionAnalysis”,Vol.72(6),1995,第632-636页;美国专利5,991,025;美国专利5,751,421;Daun等人的”Comparison of ThreeWhole Seed Near-Infrared Analyzers for Measuring QualityComponents of Canola Seed”,Vol.71,No.10,1994,第1,063-1,068页;Watson和Ramstad编的“Corn:Chemistry andTechnology”,American Association of Cereal Chemists,Inc.,(1987),这些文献全部整体引入本文作为参考)。化学统计模型的开发然后可以用来使用NIR光谱预测未测试样品的化学特性,而无需额外的传统化学分析。
已经报告了散装样品(粉碎的或整体的)的NIR分析(参见例如Orman和Schumann的”Comparison of Near-Infrared SpectroscopyCalibration Methods for the Prediction of Protein,Oil,andStarch in Maize Grain”,Vol.39,1991,第883-886页;Robutti的”Maize Kerne Hardness Estimation in Breeding by Near-Infrared Transmission Analysis”,Vol.72(6),1995,第632-636页;美国专利5,991,025;美国专利5,751,421;Daun等人的“Comparison of Three Whole Seed Near-Infrared Ahalyzers forMeasuring Quality Components of Canola Seed”,Vol.71,No.10,1994,第1,063-1,068页,这些文献全部整体引入本文作为参考)。散装谷物分析的传统商品NIR分光仪有若干缺点。传统的分光仪设计用于通常远离育种现场的实验室环境中,并且在温度、湿度和振动的受控条件下。此外,分光仪需要额外的样品处理。样品必须被收割、送到育种设备中、脱粒、装包、贴标签,并送到NIR实验室中用于分析。在NIR实验室中,样品必须登记、从样品袋中取出、倒入样品比色皿、用NIR分光仪扫描、返回到原来的样品袋中,并送回育种设备中。所得的NIR数据必须汇集到最终的报告中、评述任何异常、并送回到育种人员,育种人员然后基于NIR分析结果对样品进行定位和分选。额外的样品处理增加了分析的时间和成本。
目前的NIR基方法不仅不方便和昂贵,并且缓慢。数据处理时间可能是极其重要的,因为合适的种子的筛选应当在下一代的种植时间之前进行。为育种人员提供分析结果或返回样品的延误可能导致整个育种周期的损失。
此外,现有技术的获得和分析速度跟不上可以操作的加工装置的速度。例如,单穗脱粒机每分钟可以加工15穗玉米。目前的NIR商品分光仪以每1-2分钟约一个样品的速度操作。处理的分光仪速度通常是分析过程中的限制步骤。
传统的光谱仪从从全部样品的亚组中收集信息。商品分光仪在1点或有效区域小的数十个点收集光,这导致仅有小部分样品最终被该技术分析(interrogate)。在散装样品中,例如,传统技术可能导致散装样品中数百个种子中只有少数种子的部分被局部取样。此外,由于散装样品的局部取样分析种子的任意部分,分析数据可能误报样品中种子的不同组织。由于品质(如油含量)在不同组织中常常以不同的量存在,所以这些传统技术可能不能准确评定希望的质量。这些局限性牵涉到具有传统光学结构的分光仪,在这些分光仪中,透镜***从样品收集光;以及使用光纤束从样品收集光的那些分光仪。此外,由于使用离散的不相关取样点,损失了与样品相关的空间信息。空间信息(其例如可以用来确定形貌)由例如尺寸、形状、机械损伤、虫害、和真菌伤害组成。由于传统的分光仪根本不收集空间信息,空间和光谱数据的关联是不可能的。
传统的分光仪还不能提供单个种子分析的有效方法,单个种子分析可能会大大加速品种开发的速度。为了区分和筛选不同种类种群的种子内存在的种子,单个种子分析是需要的。在育种种群中经常遇到不同种类种群的种子。单个种子分析可以减少生产具有希望特性的植物所需的代数。单个种子筛选还可以减少所需的个体植物的数量。例如,在玉米中,在单个种子水平而不是整个穗的水平上确定具有希望特性的个体种子的能力可以减少苗圃需求100倍。这使得可以用相同的资源进行远远更大数量的育种计划。
也已经报告了单个种子的NIR分析(参见Delwiche的”SingleWheat Kernel Analysis by Near-Infrared Transmittance:ProteinContent”,Analytical Techniques and Instrumentation,Vol.72,1995,第11-16页,Dowell的”Automated Color Classificationof Single Wheat Kernels Using Visible and Near-InfraredReflectance”,Vol.75(1),1998,第142-144页,Dowell等人的”Automated Single Wheat Kernel Quality Measurement UsingNear-Infrared Reflectance”,ASAE Annual InternationalMeeting,1997,文章编号973022,这些文献全部整体并入本文作为参考)。但是,这些方法测量来自整个种子的光,以计算平均强度,所以不能提供关于在整个种子平均值以外的关于单个种子的信息。
其它传统的分析技术,如气相色谱法,通常也不能提供单个种子分析的有效方法。例如,用于菜籽的单个种子分析的传统方法需要手工切除每个种子的一半,用于用气相色谱进行的脂肪酸分析,并栽培另一半。由于手工样品制备和该分析技术的低处理能力,使用这种方法,每小时只能测试少数样品。
虽然单个种子分析是希望的,但是传统的分光仪和取样方法不能进行单个种子的有效处理。传统的技术需要大量手工投入,这限制了具有改善特性的植物的开发速度。
传统的光谱测定分析技术不能进行在种子的不同组织内的化学成分含量的定位。传统方法,例如种子的手工解剖,然后通过传统分析技术进行化学分析,不仅是艰苦的和破坏性的,而且它们导致成分的分辨率低且定量性差,因为得自个体种子解剖的样品尺寸小于大多数传统技术产生可靠结果的样品尺寸。
一些传统的成像***使用可调节的滤波器把来自样品的光限制到单一的波长,来同时使整个样品成像(参见Archibald等人的”Development of Short-Wavelength Near-Infrared SpectralImaging for Grain Color Classification”,SPIE Vol.3,543,1998,第189-198页,其整体并入本文作为参考)。这种方法具有有限的有效性,因为样品的均匀照射是难以获得的。样品的不均匀照射导致具有低图像质量的区域,这限制了得自该***的任何信息的精确性。此外,可调节滤波器的使用是费时的,其明显减慢分析过程。
本领域中需要的是散装种子和单个种子的快速分析的装置和方法,可以高效率且无损地分析个体种子的形貌和化学特性,并且可以整体化到农业加工机械上。本发明提供这样的装置和方法。
发明概述
本发明提供用于一个或多个种子的物理和化学特性的实时无损分析的装置和方法。通过把光引导到样品上,形成透射或反射光,可以进行分析。由样品透射或反射的光然后可以分散成不同的波长,其用数据点阵列检测。由数据点阵列产生的信号可以用来确定许多化学和形貌特性的任一种的值。
本发明包括和提供一种测定一个种子是否表现出一种特性的方法,包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成反射光;(C)使反射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定种子是否呈现所述特性。
本发明包括和提供一种确定一个种子是否表现出一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成透射光;(C)使透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该种子是否呈现所述特性。
本发明包括和提供一种确定一种植物组织是否呈现一种特性的方法,其包括:(A)在取样装置中提供植物组织;(B)把光从光源引导到该植物组织,从而形成透射或反射光;(C)使透射或反射光通过光谱仪性,从而形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该植物组织是否呈现所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法:其包括:(A)在取样装置中提供该种子;(B)把光从光源引导到该种子,从而形成反射光;(C)使反射光色散,形成色散光;(D)在包含多数据点阵列的光测量装置中接收色散光;(E)用光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定种子是否表现出所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法:其包括:(A)在取样装置中提供该种子;(B)把光从光源引导到该种子,从而形成透射光;(C)使透射光色散,形成色散光;(D)在包含多数据点阵列的光测量装置中接收色散光;(E)用光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该种子是否呈现所述特性。
本发明包括和提供一种确定植物组织是否呈现一种特性的方法,其包括:(A)在取样装置中提供该植物组织;(B)把光从光源引导到该植物组织,从而形成透射或反射光;(C)把透射或反射光分散形成色散光;(D)在包含多数据点阵列的光测量装置中接收色散光;(E)用该装置输出每一个多数据点的信号;和(F)基于这些信号确定植物组织种子是否呈现所述特性。
本发明包括和提供一种确定一批种子是否含有呈现一种特性的种子的方法,其包括:(A)在取样装置中提供该批种子;(B)把光从光源引导到该批种子,从而形成反射光;(C)使反射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收色散光;(E)用光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该批种子的组元是否呈现所述特性,其中所述确定包括使所述组元与相应的数据点相关联。
本发明包括和提供一种确定一批种子是否含有呈现一种特性的种子的方法,其包括:(A)在取样装置中提供一批种子;(B)把光从光源引导到该批种子,从而形成透射光;(C)使该透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该批种子的组元是否呈现所述特性,其中所述确定包括使所述组元与相应的数据点相关联。
本发明包括和提供一种确定一批种子是否含有呈现一种特性的种子的方法,其包括:(A)在取样装置中提供一批种子;(B)把光从光源引导到该批种子,从而形成反射光和透射光;(C)使该反射光或透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该批种子的组元是否呈现所述特性,其中所述确定包括使所述组元与相应的数据点相关联。
本发明包括和提供一种确定一个种子是否呈现多种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成反射光;(C)使该反射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定种子是否呈现这些特性的每一种。
本发明包括和提供一种确定一个种子是否呈现多种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成透射光;(C)使该透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定种子是否呈现这些特性的每一种。
本发明包括和提供一种确定一个种子是否呈现多种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成反射光和透射光;(C)使该反射光或透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定种子是否呈现这些特性的每一种。
本发明包括和提供一种筛选具有一种特性的种子的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成透射或反射光;(C)使该透射或反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收所述透射光或反射光;(E)用该装置输出每一个多数据点的信号;和(F)基于这些信号确定种子是否呈现所述特性;(G)基于这些信号筛选具有所述特性的种子。
本发明包括和提供一种把一种特性基因渗入到植物中的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到种子并产生透射或反射光;(C)使透射光或反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收透射光或反射光;(E)用该装置输出每一个多数据点的信号;(F)基于这些信号确定种子是否呈现所述特性;(G)基于这些信号选择具有该特性的种子;(H)从该种子生长能繁殖的植物;和(I)利用该能繁殖的植物作为与第二种植物杂交的母本或父本。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供该种子;(B)把光从光源引导到该种子,从而形成反射光;(C)使反射光通过光谱仪形成色散光,其中来自样品的第一行反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;(F)对于后续行的反射光重复步骤(A)-(E);和(G)基于这些信号确定该种子是否呈现所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到种子,从而形成反射光;(C)使反射光通过光谱仪形成色散光,其中,使来自样品的一行或多个后续行的反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;(F)对于后续行反射光重复步骤(A)-(E);和(G)基于这些信号确定该种子是否呈现所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供该种子;(B)把光从光源引导到该种子,从而形成透射光;(C)使反射光通过光谱仪形成色散光,其中来自样品的第一行反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收色散光;(E)用该光测量装置输出每一个多数据点的信号;(F)对于后续行的反射光重复步骤(A)-(E);和(G)基于这些信号确定该种子表现出所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成透射光;(C)使反射光通过光谱仪形成色散光,其中,使来自样品的一行或多个后续行的反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;(F)对于后续行反射光重复步骤(A)-(E);和(G)基于这些信号确定该种子是否呈现所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成反射光和透射光;(C)使反射光或透射光通过光谱仪形成色散光,其中来自样品的第一行反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用光测量装置输出每一个多数据点的信号;(F)对于后续行反射光重复步骤(A)-(E);和(G)基于这些信号确定种子是否呈现所述特性。
本发明包括和提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成反射光和透射光;(C)使反射光或透射光通过光谱仪形成色散光,其中,使来自样品的一行或多个后续行的反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;(F)对于后续行反射光重复步骤(A)-(E);和(G)基于这些信号确定该种子是否呈现所述特性。
本发明包括和提供一种同时确定一批种子是否含有呈现一种特性的种子的方法,其包括:(A)在取样装置中提供该批种子;(B)把光从光源引导到该批种子,从而形成反射光;(C)使反射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该批种子中的组元是否呈现所述特性,其中所述确定包括使所述组元与相应的数据点相关联。
本发明包括和提供一种同时确定一批种子是否含有呈现一种特性的种子的方法,其包括(A)在取样装置中提供该批种子;(B)把光从光源引导到该批种子,从而形成透射光;(C)使透射光通过光谱仪形成色散光;(D)用包含多数据点阵列的光测量装置接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该批种子的组元是否呈现所述特性,其中,所述确定包括使所述组元与相应的数据点相关联。
本发明包括和提供一种同时确定一批种子是否含有呈现一种特性的种子的方法,其包括:(A)在取样装置中提供该批种子;(B)把光从光源引导到该批种子,从而形成反射光和透射光;(C)使反射光或透射光通过光谱仪形成色散光;(D)用包含多数据点阵列的光测量装置接收该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该批种子的组元是否呈现所述特性,其中,所述确定包括使所述组元与相应的数据点相关联。
本发明包括和提供一种测定农产品性质的装置,其包括:一个用于产生样品的取样装置;一个提供样品的取样装置,其中布置该取样装置接收来自加工装置的样品;和一个光谱成像***,其中布置该***来分析取样装置中的样品。
本发明包括和提供一种测定农产品性质的装置,其包括:一个用于提供样品的取样装置;一个光谱成像***,其中布置该***来分析取样装置中的样品;和一个用于把样品分选成两个或多个不同的组的分选装置,其中布置该分选装置接收来自取样装置的样品。
本发明包括和提供一种测定农产品性质的装置,其包括:一个用于生产样品的加工装置;一个用于提供样品的取样装置,其中布置该取样装置接收来自加工装置的样品;一个光谱成像***,其中布置该***来分析取样装置中的样品;和一个用于把样品分选成两个或多个不同的组的分选装置,其中布置该分选装置接收来自取样装置的样品。
附图说明
图1是光源、取样装置和光测量装置的一个实施方案的示意图。
图1a是光测量装置的一个实施方案的示意图,其中该光测量装置是分光计。
图1b是光源的一个实施方案的示意图。
图1c是取样装置的一个实施方案的示意图。
图2是直轴棱镜/光栅/棱镜成像光谱仪的示意图。
图3是数据组的示意图。
图4是玉米样品的图像。
图5是用于提供、分析和分选散装种子样品的一个实施方案的示意图。
图6是适合于用在图5的装置实践中的电子控制***的框图的一个实施方案。
图7是在1,100纳米,散装玉米样品的放大灰度图像的一个实例。
图8是漫透射光谱成像***形式的本发明的一种替代实施方案的示意图。
图9是用于单个种子分析的本发明的一个实施方案的示意图。
图10表示一盘24颗玉米粒的图像。
图11是对于96颗散装玉米样品的平均光谱,反射率与波长的关系曲线。
图12是对于图11中所示的四种平均光谱,反射率与波长的关系曲线。
图13是对于散装玉米样品,总解释验证变化率(total explainedvalidation variance)(%)与主要成分数量的关系曲线。
图14是对于散装玉米样品,预测油含量与参比油含量的关系曲线。
图15是对于散装玉米样品,预测蛋白质含量与参比蛋白质含量的关系曲线。
图16是对于散装玉米样品,预测淀粉含量与参比淀粉含量的关系曲线。
图17是对于散装样品,预测水分含量与参比样品水分含量的关系曲线。
图18是对于油、蛋白质、淀粉、水分,部分最小二乘法(PLS)2型模型性能的总结。
图19是对于288颗单粒玉米样品,反射率与波长的关系曲线。
图20是对于图19中所示的样品的6颗典型单粒玉米样品,反射率与波长的关系曲线。
图21是总解释验证变化率(%)与主成分数量的关系曲线,单粒玉米。
图22是对于265颗单粒样品,预测的油百分比与参比油百分比的关系曲线。
发明详述
分析方法
本发明提供分析具有一种希望特性的种子的分析方法。在本发明的一个方面,所述分析方法使得可以分析单颗种子的离散部分或特征。而且,在本发明的另一个方面,所述分析方法可以分析在一批或散装样品中存在的个体种子,使得可以确定一种特性的分布。
在一个实施方案中,本发明提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成反射光;(C)使反射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接受该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该种子是否呈现所述特性。
在另一个实施方案中,本发明提供一种确定一个种子是否呈现一种特性的方法,其包括:(A)在取样装置中提供种子;(B)把光从光源引导到该种子,从而形成透射光;(C)使透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接受该色散光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该种子是否呈现所述特性。
本发明的方法可以用来检测可以用NIR测定的任何特性。在一个优选的实施方案中,所述特性是生物化学特性。本文所用的生物化学特性是影响农业样品的化学组成的任何特性。在一个优选的实施方案中,生物化学特性选自油含量、蛋白质含量、碳水化合物含量、淀粉含量、纤维含量和水含量。本文所用的含量是指一种组分的量,例如每颗种子5毫克(mg)蛋白质或5mg蛋白质/10克干重组织。在另一个优选的实施方案中,生物化学特性选自油组成、蛋白质组成、碳水化合物组成和纤维组成。本文所用的组成是指农业样品的生物化学构成,例如高分子量蛋白质与低分子量蛋白质的比例或饱和油与不饱和油的比例。
例如,在一个实施方案中,本发明的方法用于区分具有希望表型的淀粉样品。来自通常的马齿种玉米或硬质种玉米由约73%的支链淀粉(具有支链分子的淀粉分数)和27%直链淀粉(具有直链分子的淀粉分数)。蜡质种玉米(具有wx基因)首先发现在中国,但是蜡质变异还发现在美洲马齿种品系。来自这种突变种的淀粉是100%的支链淀粉。胚乳突变种直链淀粉增加剂(ae)使淀粉的直链淀粉分数提高到50%及以上。这种玉米粒特征在于失去光泽、半透明和部分饱满的外观。若干其它突变种基因,单独或者组合地,通过改变直链淀粉-支链淀粉的比例影响淀粉组成。由普通玉米产生的典型的坚硬不透明淀粉凝胶归因于直链淀粉部分。蜡质种玉米淀粉的性质是所产生的支链淀粉溶胶具有典型的柔软半透明糊状形式的结果。天然淀粉凝胶特性的这些差异通过淀粉改性过程进行并且在某些用途中是希望的。本发明的方法可以容易地辨别不同的突变种类型并且可以用作它们的高产量无损筛选技术。
在另一个实施方案中,例如,本发明的方法用来鉴定具有希望的胚乳特性的样品。例如,已经鉴别了改变氨基酸平衡的若干胚乳突变种。已经表明,突变系不透明物-2(o2)、粉状-2(f12)和不透明-7(o7)已经减少了胚乳中的玉米蛋白(缺少必要的氨基酸如赖氨酸和色氨酸的玉米中的蛋白质)并增加赖氨酸。具有不透明-2基因的玉米粒(kernel)特征在于柔软的、白垩状的、不透明的外观,并有非常少的硬玻璃状的胚乳。本发明的方法可以容易地辨别不同的突变种类型和赖氨酸含量,因此可以用作该特性的高产量无损筛选技术。
在另一个实施方案中,所述特性是形貌特性。本文所用的形貌特性是任何结构特性。优选的形貌特性是胚乳尺寸、胚芽尺寸、种子形状、种子尺寸、种子颜色、种子表面结构、种子重量、种子密度和种子完整性。种子完整性可以与抗病性或易感性相关。在种皮内存在孔洞常常表明昆虫传染。
疾病状态与结构变化如孔洞的相关性可以通过用生物挑战(challenging)待测试的种子样品来建立。本文所用的“样品”是指通过本发明的方法考查的任何植物材料。例如样品可以是种子的一部分、整个种子、多于一个种子、以及其它植物组织等。对照标准可以包括已知易感的和有抵抗力的种子。疾病对特定结构变化的相关性可以通过合适的统计分析来建立。应当理解,一旦建立了相关性,对照标准不需要针对特定的种子或种子料批进行试验。
对于在收获、干燥、提升和通过商业渠道移动谷物过程中引起的对种子粒的损坏,可以用本发明的方法确定。使用现代的农业技术,如使用现场采摘-脱壳收割机,已经导致远高于在穗上干燥的样品的种子水分含量。高水分含量需要使用在高于80℃的温度的人工干燥,这可能导致应力裂纹和种子粒损坏。种子粒损坏指标可以包括但不限于玻璃状与非玻璃状胚乳的比例,种子粒密度、平均种子粒重量、果皮量和质量、以及种子粒尺寸和形状。本发明的方法可以用于破坏和破坏敏感性的鉴定,和用在可以减少这些问题的化学和物理特性的鉴定中。
任何种子可以用在本发明的方法或装置中。在一个优选的实施方案中,种子选自苜蓿种子、苹果种子、香蕉种子、大麦种子、豆种、花茎甘蓝种子、蓖麻种子、柑桔种子、三叶草种子、椰子种子、咖啡种子、玉米种子、棉花种子、黄瓜种子、花旗松种子、桉树种子、火炬松种子、亚麻子种子、瓜籽、燕麦种子、橄榄种子、棕榈种子、豌豆种子、花生种子、胡椒种子、白杨种子、Radiata pine种子、油菜籽种子、稻种、黑麦种子、高粱种子、美国长叶松、大豆种子、草莓种子、糖用甜菜种子、甘蔗种子、向日葵种子、香枫种子、茶树种子、烟草种子、西红柿种子、草种、小麦种子、和Arabidopsis thaliana种子。在一个更优选的实施方案中,种子选自棉花种子、玉米种子、大豆种子、油菜籽种子、稻种和麦种。在一个更优选的实施方案中,种子是玉米种子。
只要取样装置可以与光源一起使用,可以使用任何取样装置。取样装置包括但不限于这样一些装置,如具有希望波长范围的光可以通过的至少一个表面的容器,以及包含一个通常为水平表面(有或没有侧壁)的取样容器,在所述水平表面上可以装载种子样品用于分析。容器取样装置包括但不限于透明和半透明容器和有至少一个透明或半透明表面的不透明容器。容器取样装置还包括但不限于通常与分光计一起使用的取样装置,如样品杯、具有2cm和2.5cm路径长度的样品容器、样品管、样品容器和比色皿。包含通常为水平的表面的取样装置包括但不限于其上可以放置供分析的种子样品的任何材料,包括包含用于反射分析的不透明材料的材料和包含用于透射分析的透明或半透明材料的材料。在一个优选的实施方案中,取样装置是透明的比色皿。在另一个优选的实施方案中,取样装置是其上可以承栽种子用于反射分析的任何平坦黑色材料。
可以使用可以为所研究的任何特定样品和所用的任何光测量装置所用的波长范围提供宽带照明的任何光源。特别优选的光源是可以为所用的光测量装置提供在整个光谱相应范围内的光的那些光源。这样的光源的实例包括但不限于卤素灯、钨卤素灯、长灯丝卤素灯、氙灯、氙气闪光灯、荧光灯、氖灯和汞灯。在一个优选的实施方案中,使用提供在至少700-1,800纳米范围的光的钨卤素光,如得自CVI LaserInc.(CVI Laser Corp.200 Dorado P1.SE,PO Box 11308,Albuquerque,NM 87192)的AS220灯。在另一个实施方案中,使用提供在至少350-750纳米范围的光的光源。该光源可以是上述任何光源,包括卤素灯、钨卤素灯、长丝卤素灯、氙灯、氙气闪光灯、荧光灯、氖灯和汞灯。
光源可以对准样品,形成反射光和透射光。反射光是撞击到样品上并从该样品发射但是不通过该样品的任何光。为了测定反射光,光测量装置可以按与样品相对于光源的任何角度取向。在一个使用反射光的优选实施方案中,光测量装置相对于光源按小于180度取向。例如,对于水平放置的平取样装置,光源可以从与取样装置平面垂直的假想线按20度角度放置,以该假想线与样品的交点作为顶点,并且光测量装置可以与光源相对从该假想线按20度角度且从光源40度的角度放置,且顶点相同。在这种取向,来自光源的光将从样品反射到光测量装置。
透射光是通过样品并与光源相反的一侧从样品发出的光。在一个优选的实施方案中,在样品的相对两面上布置光源和光测量装置,并且三者共线布置。例如,具有其间分布散装样品的相对的透明壁的比色皿取样装置可以位于光源和光测量装置之间。来自光源的光撞击样品,部分光通过样品透射到比色皿的另一侧,在此光被发射到光测量装置中。
本文所用的“形成反射或透射光”是指把光从光源引导到样品,从而产生反射光和/或透射光。
反射光或透射光或者二者可以通过光谱仪。本文所用的光谱仪是指具有能够接受混合波长的光、使混合波长的光分散成其组成波长、并发射分散的波长的光学元件的装置。在一个优选的实施方案中,光谱仪包括用于接收光的进口狭缝和用于分散光的棱柱-光栅-棱柱。在另一个实施方案中,光谱仪是具有全息光栅或固定凹槽光栅的反射光栅光谱仪。本文所用的“色散”光是已经从混合波长的光转变成具有分开的组成波长的光。本文所用的“色散”反射光或透射光是指把混合波长的光分成具有分开的组成波长的光。本文所用的使反射光或透射光“通过”光谱仪是指在进口缝隙如狭缝处接收反射或透射光,使得光通过光谱仪的光学***、被分散并从出口缝隙发出。在一个优选的实施方案中,定位进口缝隙,以便接收来自样品的光和把光测量装置固定到出口缝隙。
通过光谱仪发射的波长范围可以是可以进行样品样品的足够宽的任何范围。在一个优选的实施方案中,光谱仪能够发射波长在500-2,000纳米,更优选700-1,800纳米,甚至更优选900-1,700纳米范围内的色散光。在另一个优选的实施方案中,光谱仪能够发出波长在100-1,000纳米的色散光。光谱仪优选具有至少50纳米/毫米(nm/mm),更优选100、125和150nm/mm的光谱色散(spectraldispersion)。光谱仪优选具有至少100nm的光谱分辨率,更优选50nm,甚至更优选40、30和20nm的光谱分辨率。在一个优选的实施方案中,光谱仪具有900-1,700nm的光谱范围,至少150nm/mm的光谱色散和至少20nm的光谱分辨率。
来自光谱仪的输出可以在光测量装置中接收,该光测量装置能够在多个数据点接收来自光谱仪的光。本文所用的“数据点”是指一个离散区域,如焦平面阵列,在此处可以独立地接受和测量光。这些数据点可以例如以多维方式布置。在一个优选的实施方案中,多数据点以二维阵列布置。多数据点阵列可以包含像元,每个像元对应一个数据点并且能够独立地接受光和输出信号。在一个优选的实施方案中,数据点的数量大于100,更优选为500,甚至更优选为1,000、5,000、10,000、75,000或100,000。在一个优选的实施方案中,像元的数量大于1,000,更优选为5,000,甚至更优选为10,000、75,000或100,000。用于测量多数据点的可用阵列的实例包括但不限于诸如照相机的光测量装置,其具有成像的阵列。光测量装置优选具有小于100微米的间距(pitch),更优选具有小于50、40、30或20微米间距,和大于5桢/秒,优选大于10、15、20和25桢/秒的桢速。在一个优选的实施方案中,光测量装置具有大于75,000个像元,小于20微米的间距和大于25桢/秒的桢速。
在一个优选的实施方案中,光测量装置是锑化铟(IndiumAntimonide)(InAs)、碲化汞镉(MCT)、硅化铂(PtSi)、砷掺杂硅(Si∶As)、砷化镓铟、或CCD照相机。在一个优选的实施方案中,光测量装置是砷化镓铟照相机,甚至更优选的是得自Sensors UnlimitedInc.(Sensors Unlimited Inc.,3490 US Rte 1,Building 12,Princeton,NJ,08540)的SU320-1.7RT-D/RS170照相机,其能够以76,800个像元接收光。
这些数据点能够输出信号。本文所用的“输出信号”是指产生任何形式的信号,这些信号可以用来直接或间接测量在一个或多个数据点上的光强。例如,通过光能到电脉冲或其它形式的转换可以产生信号。
具体的输出与一种特性相关。基于这样的相关性,可以确定种子是否具有一种特性。在一个优选的实施方案中,通过传统的方法收集已知的信号并与测量相关联。例如,可以用本发明的方法分析种子,以便产生已知的测量组。然后可以用常规的化学统计技术测量化学成分的实际浓度,并且所得的值可以与用本发明产生的测量联合。对于具有不同化学组成的种子重复该过程,从而产生一组联合。在然后用本发明的方法分析未知的种子时,由这些数据点产生的测量可以与已知组的联合比较,以预测种子的组成,并且种子的预测组成可以与预定的阈值比较,以确定种子是否呈现该特征。本文所用的“呈现一种特征”是指来自数据点阵列的测量大于最小值,低于最大值,或者在可以预先确定的任何范围内。这些值可以与来自任何波长或任何波长组合的测量对应。
对于给定的特性,可以使用一种或多种波长的光的测量来确定种子是否呈现一种特性。由于光谱仪以已知方式把光分散到数据点上,这些数据点可以与波长相关联,并且来自这些数据点的测量可以类似地与波长相关联。
在一个优选的实施方案中,确定种子是否显示一种特性取决于多个波长。这样的多变量确定可以最多包括进入光测量装置的整组波长。在这样的实施方案中,可以使用在800-2,600纳米波长范围的光,更优选的是800-2,200纳米的光。当用多波长考查种子时,这样的波长将形成一种图形(profile)。该图形是一个种子、种子的任何部分、或一个以上种子的信号组合。例如,在单一的种子分析中,来自表示整个种子的数据点的信号可以组合到所述图形中。与该种子的一部分,例如胚乳,相关联的数据点,可以组合形成胚乳的图形。对于散装样品,在一个实施方案中,数据信号可以平均或者另外组合形成整个样品的图形。在一个优选的实施方案中,这些图形可以与特定的特性相关。
在另一个优选的实施方案中,确定种子是否显示一种特性使用与存在一种特定特性相关的一个或数个独特的波长。下表列出了可以与特定特性相关联并可以用来预测相关特性的若干波长。
特性 | 波长,用纳米表示 |
木质素 | 2,270 |
油 | 2,310,1,274,1,284,1,318,1,410,1,510,1,772,1,790,2,136,2,245,2,250 |
纤维素 | 2,336 |
蛋白质 | 2,180,1,460-1,530,1,680,1,709,2,083,2,139,2,180,2,190,1,282,2,110,2,388,2,442,1,460,1,760,1,574,1,610,1,786,1,818,2,084,2,100,2,164,2,254,1,018 |
碳水化合物 | 2,100,1,450,1,540,920,1,000 |
水分 | 1,940,97,958 |
酸清洁剂纤维 | 1,666,1,492,1,854,1,558,1,898,2,148,2,210,2,250,1,458 |
天然清洁剂纤维 | 2,294,2,072,1,902,2,204,1,850,1,586 |
水化的淀粉 | 1,000 |
昆虫传染 | 1,000-1,350,1,500-1,680 |
形状或损坏 | 1,104,1,300 |
胚芽 | 2,180,1,460-1,530,1,680,1,709,2,083,2,139,2,180,2,190,1,282,2,110,2,388,2,442,1,460,1,760,1,574,1,610,1,786,1,818,2,084,2,100,2,164,2,254,1,018,2,310,1,274,1,284,1,318,1,410,1,510,1,772,1,790,2,136,2,245,2,250 |
胚乳 | 2,100,1,450,1,540,920,1,000,1,940,970,958 |
其它植物组织或农业样品可以代替种子。本文所用的植物组织包括但不限于任何植物部分,如叶、花、根和花瓣。本文所用的农业样品是指如种子的植物组织,但是还包括非植物基的材料,如在农产品范围内产生的无机物或非植物物质。真菌样品是农业样品的一个实例。
个体种子或各批种子可以利用本发明的方法和装置。一批种子是大于一个的任何数量的种子。本文所用的一批的“组元”是在该批中的任何单个种子。一批种子可以由数量限定。在一个优选的实施方案中,一批种子大于10颗种子,更优选大于20、50、500、1,000或10,000颗种子。在另一个实施方案中,种子批可以通过其来源分类,如得自单穗、单个植物或单植物杂交的种子。
在一批中的个体种子可以同时用本发明的方法分析。本文所用的“同时”是指可以得自单次分析的任何组数据。单次分析可以是样品的单行扫描,或样品的多行扫描。例如,逐个单一散装种子行的分析构成当单次分析。这样的同时分析可以是一批种子对于一种或多种特性的同时分析。这样的同时分析也可以是一个种子对于多种特性的同时分析。在一个优选的实施方案中,一个以上的特性可以同时分析。在一个更优选的实施方案中,3、4、5或6种特性以上的特性可以同时分析。在一个甚至更优选的实施方案中,可以同时分析5-10或10-20种特性。
在一个实施方案中,来自单一来源的种子在取样装置中放在一起。在一个实施方案中,单一来源可以是提供具有共同的一般背景的种子的任何来源,如一穗玉米、单一植物、或单一杂交的产物。使用这种方法,来自该批的种子在取样装置中以随机提供的组的形式提供。本文所用的在取样装置中“随机提供”一批种子是指在取样装置中放置这些种子而不考虑种子在随后的取向或分离。例如,倒在大的单一比色皿中用于分析的一批100颗种子可以说成“随机提供的”。
在输出信号后,软件程序如边缘检测程序,例如由Mathworks Inc.(Mathworks Inc.,24 Prime Park Way,Natick,Massachusetts01760)提供的具有图像加工工具箱的Matlab5.3版和由ResearchSystems Inc.(Research Systems,Inc.,4990 Pearl East Circle,Boulder,Co 80301)提供的ENVI3.2版,然后可以用来分析由数据点输出的信号以确定与个体种子对应的数据点。这些数据点然后可以与那些个体种子相关联。本文所用的使组元与“相应的数据点”相关联是指为了确定是否存在一种特性,把来自一组毗邻数据点的测量分配归因于该批中的一个组元。
在另一个实施方案中,在一批中的种子提供在取样装置中,该取样装置能够保持每个种子在其自己的单独的腔室中。本文所用的“单独的腔室”可以是能够定位每颗种子使该种子与分析后的数据测量相关联的任何物体。在一个实施方案中,取样装置包括一个平表面并且水平放置,单独的腔室是平表面上的指定部分。在另一个实施方案中,取样装置包括具有底面和以方形图案布置的四壁的单独腔室,其中提供单独的种子。在仍然另一个实施方案中,取样装置是一个平表面,其上可移动地放置仅有四壁的单独的腔室。在该实施方案中,平表面或单独的腔室可以移动以便进行种子的分选。
在上述用于批次分析的任何实施方案中,进行整批分析的时间可以小于30秒,优选小于10秒,更优选小于约5秒。该缩短的取样时间相对于现有技术改善了样品的产量,并且可以在一个育种周期内进行农作物样品的更大量筛选。
此外,在以上给出的任何单个种子和批次分析实施方案中,一次可以分析种子的一种以上特性。例如,对应于不同波长或波长范围的特性和在相同范围内有累积效果的特性可以同时进行研究。还可以分别分析个体种子的不同组织。使用在两种组织之间差异的光谱模型模拟,毗邻数据点的区域可以与种子或植物组织的任何部分相关联,例如胚芽和胚乳。不同部分的光谱数据然后可以用来有区别地分析种子的不同组织。
对于以上列出的实施方案的任一个,样品可以用光谱仪和光测量装置逐行成像。在一个优选的实施方案中,光源包括一个圆柱形透镜,其把光聚焦在整个样品宽度上的细光束中。光谱仪具有进口狭缝,其对齐在样品上光的行,从而使进入光谱仪的反射或透射光量最大。本文所用的光的“行”是通过光谱仪并与特定形状的样品上的物理区域相对应的反射或透射光。在一个优选的实施方案中,特定形状是细矩形或部分。所以,样品可以说包含许多毗邻的行,其在按其正确顺序放置时,一起构成样品。本文所用的“第一行”是在样品上所有其它行分析之前由该方法分析的行。在一个优选的实施方案中,第一行是在取样装置一端的行。取样装置端部可以是任何边或边缘。例如,在具有方形表面的取样装置上的端部可以是该面的四个边缘的任一个。本发明的方法可以使用单行进行或者使用最多为样品的全部行的行的任何组合进行。在更多的行被分析时,更多的样品被考察。在一个实施方案中,分析单行。在另一个实施方案中,分析若干不相邻的行。在另一个实施方案中,从样品一端到另一端的所有的样品行,从第一行开始并向前进行随后的行,直至达到最后一行。本文所用的“后续的行”是与刚刚被分析的行相邻的未分析的行。“最后一行”是被分析的最后一行。
为了分析在第一行之后的后续行,样品可以移动一行的厚度,以便使每个后续行相对于光源和光谱仪对齐。这种相对移动可以通过移动取样装置或光源和光谱仪进行。在一个优选的实施方案中,取样装置安装在直线移动台上,直线移动台能够以等于一行的宽度的增量或者以恒定速度移动。在另一个优选的实施方案中,所述台以恒定速度移动,并控制光测量装置以便捕获在每个后续的行准确对齐狭缝而不重叠时的图像。通过分析第一行和每个后续行,可以分析全部样品。
本发明的方法和装置可以用在育种计划中,选择具有希望的特性的植物或种子。在一方面,本发明提供一种选择具有一种特性的种子的方法,其包括:(A)在取样装置中提供该种子;(B)把光从光源引导到该种子,从而形成反射光和透射光;(C)使反射光或透射光通过光谱仪形成色散光;(D)在包含多数据点阵列的光测量装置中接收分散的光;(E)用该光测量装置输出每一个多数据点的信号;和(F)基于这些信号确定该种子是否显示所述特性的每一种。
在本发明的另一个方面,提供了一种向植物中基因渗入一种特性的方法,包括:(A)在取样装置中提供种子;(B)把光从光源引导到种子并产生透射光或反射光;(C)使透射光或反射光通过光谱仪;(D)在包含多数据点阵列的光测量装置中接收透射光或反射光;(E),用该装置输出每一个多数据点的信号;(F)基于这些信号确定该种子是否呈现所述特性;(G)基于这些信号筛选具有该特性的种子;(H)从该种子生长能繁殖的植物;和(I)在与第二个植物杂交时,利用该能繁殖的植物作为母本或父本。
本发明的基因渗入和筛选的方法可以与任何育种方法组合使用,并且可以用来筛选单代或筛选多代。育种方法的选择取决于植物繁殖的方式,被改善的特性的遗传性能和商业上所用的栽培品种的种类(例如,F1杂交栽培品种、纯系栽培品种等)。培育本发明的植物的选定的非限制性方法描述如下。还应当理解,任何商品或非商品的栽培品种可以用在育种计划中。诸如孵化(emergence)活力、植物生长活力、应力(stress)耐受性、耐病性、分叉、开花、种子系、种子尺寸、种子密度、standability、脱粒能力等的因素一般支配选择。
对于高可遗传性特性,在单个位置评价的优异的个体植物的选择将是有效的,而对于具有低遗传性的特性,筛选应当基于从相关植物科的重复评价所获得的平均值。通用的筛选方法通常包括但不限于谱系图筛选、改进的谱系图筛选、混合筛选、和轮回筛选。在一个优选的实施方案中,采取回交和轮回循环计划。
遗传的复杂性影响育种方法的选择。回交育种可以用来把一种或数种对于高遗传性特性有利的基因转移到希望的栽培品种中。这种方法已经广泛用于培育抗病的栽培品种。各种轮回筛选技术用来定量改善由许多基因控制的遗传的特性。在自授粉农作物中使用轮回筛选取决于授粉的容易程度、来自每次授粉的成功杂交的频度、每次成功杂交的杂交后代的数量。
对于两代或更多代,育种系可以测试并与代表商品目标区域的环境中的合适标准比较。最好的品系是新的商品栽培品种的候选;仍然缺少特性的那些可以用作亲本生产进一步筛选的种群。
鉴定优异植物的一种方法是相对于其它试验植物和许多广泛生长的标准栽培品种观察其生产性能。如果单一的观察无法有结论,重复的观察可以提供其遗传价值的更好评估。育种人可以筛选和杂交两种或多种亲本种系,然后重复自交和筛选,产生许多新的基因组合。
新大豆栽培品种的开发必须开发和选择大豆变种、这些变种的杂交和优异的杂种杂交的选择。杂交种子可以通过在所选的父本遗传亲本之间手工杂交或使用雄性不育***来生产。杂种选自一些单基因特性,如豆荚颜色、花的颜色、种子产量、柔毛颜色或除草剂耐受性,这些表明该种子真是杂种。在亲本种系上的其它数据,以及杂种的表型,影响育种人是否继续用特定的杂种杂交的决定。
谱系图育种和轮回筛选育种方法可以用来从育种种群开发栽培品种。育种计划把来自两种或多种栽培品种或者各种广泛来源的特性组合到育种组中,从该组中通过自交和希望的表型的筛选开发栽培品种。
谱系图育种通常用于改善自授粉农作物。具有有利的互补特性的两种亲本杂交,以产生F1。通过自交一种或数种F1,产生F2种群。筛选最好的种属中最好的个体。种属的重复试验可以开始于F4代,以改善具有低遗传性能的特性的筛选有效性。在近交的高级阶段(即F6和F7),测试最好的系或表型类似系的混合物,以测试作为新栽培品种的可能发布。
回交育种已经用来把简单遗传的高遗传性特性的基因转移到希望的纯合栽培品种或近交系中,后者是循环亲本。被转移的特性的源称为供方亲体。所得的植物预期具有循环亲本(例如栽培品种)的品质和从供方亲体转移的希望的特性。在最初杂交后,筛选具有供方亲体表型的个体并重复杂交(回交)到循环亲本。所得的亲本预期具有循环亲本(例如栽培品种)的品质和从供方亲体转移来的希望的特性。
单种子遗传过程是指种植隔离的种群,收获每个植物一粒种子的样品,并使用单种子样品来种植下一代。当种群已经从F2前进到希望的近交水平时,得自该种系的植物各自上溯到不同的F2个体。由于一些种子不能发芽或者某些植物不能产生至少一粒种子,种群中植物的数量每代下降。结果,当代进化完成时,并非在该种群中原始取样的所有F2植物被后代代表。
在多种子过程中,例如,大豆育种人通常从种群中的每个植物收获一个或多个豆荚,并把它们在一起脱粒形成一批。该批的一部分用来种植下一代,一部分储存。该过程称为改进的单种子遗传或豆荚-批料技术。
多种子过程已经用来节约收获时的劳动。用机器脱粒豆荚明显比单种子过程的用手从每个豆荚中取出一粒种子更快。多种子过程还使得每代近交栽培一个种群的相同数量的种子成为可能。
在一个实施方案中,本发明用来区分单倍体样品与非单倍体样品。单倍体植物的使用通过提供一种生产复式单倍体系的完全纯合系的方法,提高植物育种程序中轮回筛选的效率。因为单倍体是半合的,即每个位置仅有一个等位基因,它们用于针对不希望的隐性等位基因进行突变研究和筛选。本发明的方法可以用来区别单倍体样品和其它类型的样品,如双倍体。可以用本发明的方法确定产生与非单倍体样品具有不同的光谱组成的产生反射或透射光的表型的任何单倍体特性。例如,一些亲本系携带标记物基因,如R-nj,其能够通过胚乳顶部的花色素苷着色和在胚芽中没有颜色在成熟种子阶段鉴定单倍体。本发明的方法可以容易地辨别在种子上的要求位置存在或没有这些表型。
常用于不同特性和农作物的其它育种方法的描述可以见于若干参考书之一(例如,Fehr,Principles of Cultivar Development Vol.1,2-3页(1987)),其整体并入本文作为参考)。
分析装置和***
本发明提供一种测量农产品性质的装置,其包括:一种用于生产样品的加工装置;一种用于提供样品的取样装置,其中布置该取样装置接收来自加工装置的样品;和光学分光成像***,其中布置该***分析取样装置中的样品。本发明还提供一种测量农产品性质的装置,其包括:一种提供样品的取样装置;一种光学分光成像***,其中布置该***分析取样装置中的样品;和一种分选装置,用于把样品分成两个或多个不同的组,其中布置该分选装置接收来自取样装置的样品。本发明还提供一种测量农产品性质的装置,其包括:一种生产样品的加工装置;一种提供样品的取样装置,其中布置该取样装置接收来自加工装置的样品;一种光学分光成像装置,其中布置该***分析取样装置中的样品;和一种分选装置,用于把样品分成两个或多个不同的组,其中布置该分选装置接收来自取样装置的样品。
本文所述的装置利用光学分光成像***分析农业样品。本文所用的“光学分光成像***”是可以形成样品图像的任何***,其中图像包含许多数据点。在一个优选的实施方案中,光学分光成像***包括光源、一种分散光的装置、和一种光测量装置。本文所用的“分散光的装置”是指能够把混合波长的光分散成单独波长的光的任何装置。在一个优选的实施方案中,分散光的装置是光谱仪。光源、光谱仪和光测量装置包括但不限于本文所述的那些。
用加工装置制备用于用分光成像***分析的样品。本文所用的“加工装置”是能够把植物的希望部分与植物的其余部分分离的任何装置。在一个优选的实施方案中,加工装置是脱粒机、打谷机或联合收割机。脱粒机例如可以是Almaco改进单穗玉米脱粒机(Almaco,99MAvenue,P.O.Box 296,Nevada,IA 50201)。
在用加工装置制备样品后,用分光成像***进行分析,在用分光成像***分析后,用分选装置自动分选样品。
本文所用的“分选装置”是任何能够根据分析结果把样品分开到至少两个不同的料斗中的任何装置。分选装置例如可以是在两个方向之一引导样品的单移动叶片。在一个优选的实施方案中,分选装置能够独立地分选10、20、50或100颗个体种子。本文所用的“料斗”是可以保持一部分样品与其它部分分开的任何装置。
在优选的实施方案中,分选装置能够把单一的一批种子分选到多个料斗之一中。如果在分析期间考察一种以上的特性,这种分选是有用的。
在一个优选的实施方案中,加工装置和分选装置连接到取样装置和分光成像***上,提供一种自动提供样品、分析样品并分选样品的装置。在一个优选的实施方案中,可以比每10秒一次更快地提供、分析和分选样品,更优选的是比每5秒一次更快。
图1表示通常表示为10的本发明装置的一个实施方案的示意图。布置光源12,以便把光引导到取样装置16中的样品14上,定位取样装置16以便把光反射到光测量装置18中。光源12可以是能够提供正确波长范围的光到样品14上用于通过光测量装置18进行分析的任何装置。取样装置16可以是能够通过在光测量装置18的视场中保持和定位样品14来提供用于分析的样品14的任何装置。光测量装置18可以是任何能够表征来自样品14的光的感兴趣的一个或多个波长的强度的任何装置。
图1a是一般表示在20处的优选的光测量装置18和附件的典型代表。连接到光测量装置18的是一个成像透镜24和直轴成像光谱仪26,光测量装置18在本实施方案中是逐行扫描照相机22。布置这些元件使得来自样品14的光首先通过成像透镜24,然后在进入照相机22之前进入光谱仪26。电子快门38位于成像透镜前面。当关闭时,快门38完全阻止任何光进入光谱仪,并用来收集暗像,暗像用于校正用该***收集的样品图像。
成像透镜24可以是任何传统的视频透镜,如具有完整的可变光圈的Electrophysics 25mmf/1.4微距镜头。成像透镜24使来自样品的反射或透射光进入直轴成像光谱仪16,在一个实施方案中其是具有80微米狭缝宽度的Specim Inspector N17-04-100。光谱仪具有900-1,750纳米的名义光谱范围,10纳米的名义光谱分辨率和f/2.8的数值孔径。光谱仪基于棱镜/光栅/棱镜(PGP)色散元件和透射光学***,其提供直线光轴,无散光图像和偏振无关的处理量。光谱仪26在一个实施方案中装有标准C-固定法兰(mount flange),其可以直接连接到成像透镜24和焦平面阵列照相机22,从而把照相机22转变成光谱行成像***。
在图1a中所示的焦点阵列逐行扫描照相机22可以是例如锑化铟(Indium Antimonide)(InAs)、碲化汞镉(MCT)、硅化铂(PtSi)、砷掺杂的硅(Si∶As)、砷化镓铟照相机,并且砷化镓铟照相机是优选的。砷化镓铟焦平面阵列可以是例如Sensors Unlimited Inc.的SU320-1.7RT-D/RS170照相机。对于该照相机22的焦平面阵列的格式为320×240个像元,对于每个像元,总共具有76,800个检测器像元,并且对于每个像元具有40微米间距(pitch)。照相机22具有12bit的模拟数字精确度,6.1MHz的像元读出速度,和900-1,730纳米的光谱响应。照相机22具有逐行扫描视频输出,可以获得每桢一个场景。在逐行扫描模式的照相机的桢速度为每秒60桢。这意味着每16.67毫秒可以捕捉一个谱线图像。在一个实施方案中,照相机22的320个像元轴用于空间轴,而240个像元轴用于光谱轴。这意味着每16.67毫秒可以获得320个单独的光谱。
用于谱线成像的样品14的照明在一个实施方案中用连续的宽带光源如石英钨卤素灯实现。光源12可以是例如来自CVI Laser Inc.的AS220灯和组件。光源的一个实例表示在图1b,一般在28处。光源含有30瓦石英钨卤素灯与整体的抛物线反射镜30、聚光器光学器件32、近红外截断滤波器34,和圆柱形透镜36,把光聚焦成用于均匀行照明的一行。近红外截断滤波器从撞击到样品上的光中除去多余的有害紫外线和可见光。
取样装置16的一个实施方案表示在图1c,一般在40处。在图1c中,取样装置是比色皿,其由以下部分构成:具有石英窗44的矩形腔42,样品14通过石英窗44成像;底部开口46,用于在分析完成后取出样品;校准反射率的材料带48,例如来自Labsphere Inc.(Labsphere,Inc.,Subsidiary of X-Rite,Inc.,Shaker St.,POBox 70,North Sutton,NH 03260-0070)的Spectralon,用于使仪器响应标准化;掺杂稀土氧化物的校准反射率的材料带50,用于建立波长刻度的精确度;和具有其自己的石英窗的较小的样品腔52,其布置在比色皿底部,用于容纳与被分析的样品相同类型的农产品的对比样品。
图1中的光谱仪的管状光-机械结构一般表示在图2中的26处。光谱仪26是小型的、稳定的、结实的并且没有移动部件。PGP元件中的光栅是体积-相(volume-phase)透射光栅,其提供在宽范围内的良好衍射效率。对于本发明的一个实施方案,衍射效率特征是在1,100纳米大于60%的最大值和在1,700纳米为40%的效率。直接瞄准透射光学***用短焦距和快速光学***产生高质量图像,从而减小光谱仪尺寸并提供良好的光收集效率。光谱仪26包含管状外壳54,其中布置限定进口狭缝的圆盘56。来自样品14的光通过进口狭缝进入和通过透镜58,透镜58把光线聚焦到PGP元件60上,在这里光线被分散成其垂直于行式映像的连续的光谱分布。分散的光然后通过第二个透镜62并聚焦在照相机22的焦平面阵列64上。整个光谱范围的中心波长直接通过,并且更短和更长的波长对称地分散在中心波长的两侧。在光谱仪输出的焦点处放置的焦平面阵列照相机22在一桢中记录空间行式映像和行式映像中每个像元的光谱分布。
光谱仪26的狭缝宽度影响光谱分辨率和图像行宽度。在一个实施方案中,狭缝是80微米狭缝,其提供在900-1,530纳米的光谱范围由全宽半最大值标准限定的10纳米的名义光谱分辨率,而在1,750纳米的光谱上限处增大到13纳米。该图像行长度和宽度由狭缝长度、狭缝宽度、透镜焦距、和样品与透镜之间的距离确定。例如,9.9mm的狭缝长度、80微米的狭缝宽度、25mm的透镜焦距和214毫米的样品与透镜间距离获得0.37毫米的图像行宽度和85毫米的图像行长度。
为了使照相机22测量来自样品14的全部内容的光数据,把样品相对于分光计移动。取样装置16、光测量装置18或二者都可以移动以获得这种相对运动。在一个优选的实施方案中,取样装置安装在可移动的台上。例如,所述台可以是伺服***控制的直线移动台如带有控制器的Parker Hannefin Gemini GV Series(Parker Hannifin Corp.,6035 Parkland Boulevard,C1eveland,Ohio)。该直线移动台以恒定的速度精确可重复地移动样品比色皿通过图像分光计20的视场。直线移动台的移动与照相机22的操作同步进行,使得照相机22捕捉的每桢是样品的相邻的、不重叠图像行。比色皿中的样品14的分光图像通过把样品上的相邻的、不重叠的图像行拚接在一起,从而建立逐行的图像。
图3图示表示从而产生的高光谱(hyperspectral)数据立方体。如图3所示,照相机22的一个方向,即空间轴,记录在给定波长的每行的强度图像,另一个方向,即光谱轴,记录每个图像像元的光谱信息。在一个实施方案中,具有320像元的照相机的焦平面阵列的长轴用于空间轴,而具有240个像元的短轴用于光谱轴。如果希望***的信噪比改善,或者如果获得速度非常重要,来自各自具有独特光谱的每一行的个体像元可以平均,从而形成每个图像行一个光谱。对于上述实施方案,这意味着对于每个图像行,每16.67毫秒可以平均320个光谱。此外,通过把独特的波长平面上的3灰度光谱图像指定为红绿兰(RGB)颜色组分,可以从高光谱数据立方体提取假颜色图像,从而产生假颜色图像,如图4所示。
在反射的情况下,光源位于取样装置16与照相机22的同侧上,如图1所示。通过优化来自样品14的漫射散射光的收集,确定在照相机22和光源12之间的角度。通过圆柱透镜36把光聚焦到样品14上。
来自样品表面的漫射散射光通过成像透镜58引导到光谱仪的进口狭缝,在这里透射光栅60把光分散成其垂直于由输入狭缝限定图像行的连续光谱分布。设计的波长范围的中心波长直接通过,较短和较长的波长对称分布在中心波长的两侧。
对于光源12、取样装置16和光测量装置的上述各种实施方案可以与分离植物不同部分的加工装置以及分选装置组和使用,所述分选装置能够基于光测量装置18的输出分选样品。
图5表示上述实施方案的任一个与传统的农业加工装置整体化的示意图,在本实施方案中所述传统农业加工装置是一种分选装置和一般表示为70的控制***。加工装置72的输出通过管道74连接到样品进口斜槽76。加工装置72可以是把植物的想要部分与其余部分分开的传统农业装置。在一个实施方案中,加工装置72是单穗玉米脱粒机,其用来从玉米穗轴上取出玉米粒。单穗玉米脱粒机设计用于把玉米粒与穗轴分离。吸出玉米粒以去除任何小的多余碎屑,在收集腔中收集玉米粒,并在脱粒后排出穗轴。加工装置72的输出直接通过管道74,送入测试***的样品进口斜槽76。样品14通过管道74的移动由真空推动器92提供。带有开口的旋风分离器78防止样品离开旋风分离器78的腔室。所述开口可以例如用螺线管开启。当螺线管开动时(此时取样装置是空的并准备接受新样品),旋风分离器78的开口被打开,样品落入用于测量样品重量的称重单元80。称重单元80的底部是活板门82,其可以例如通过螺线管开启。在记录样品重量后,活板门82打开,从而使样品落入取样装置16中。
在本实施方案中,取样装置16连接到伺服控制直线移动台84,可以控制后者以恒定速度移动取样装置16通过光测量装置18的视场。台84还用来移动取样装置16进入接收下一个样品的位置或在测量完成后排出样品14的位置。通过使样品上相邻的行成像获得图像,从而建立逐行的图像。移动台84移动取样装置16的速度由图像行的宽度和每图像桢照相机22的读出速度决定。在图像数据已经收集并且数据处理完成后,取样装置16的底部开口46打开,使得样品可以落下。底部开口46可以例如通过电子执行器打开。在取样装置16卸料后,样品14落入分选装置86中,其中样品14被以机械方式引导到两个或多个容器的任一个中。在一个实施方案中,分选装置86可以包含电子开启的叶片,其把样品引导到容器中。上述的加工、分析和分选组合可以设计为单一的单元,或者可以连接的分开的单元。
可以包括控制***88,以便使***的全部功能自动化,包括从照相机22收集图像桢数据,移动台84的移动,打开和关闭开口,移动分选装置叶片和数据分析。相关的供电和输入/输出控制器任选包含在电子箱90中。在另一个实施方案中,分选装置有多个叶片,从而可以分选到两个以上容器中。如果一次测量多个特性,分选装置86可以构造成提供到数十个容器中的分类。
图6是适用于本发明的实施方案实施中的电子控制***的框图。如图6所示,在一个实施方案中,控制***包括控制器、显示器和键盘。控制器包含机械可读码,其使用从称重单元80接收的信号控制***的各个部件,即称重单元控制器100,和光测量装置18(通过连接件102和104)。控制器向各个元件发信号,以通过连接106和伺服/步进控制器108采取合适的动作,后者可以是任何传统的伺服/步进控制器,如6K4控制器。伺服/步进控制器108控制分选装置86、照相机快门38、取样装置执行器110、称重单元开口螺线管112、旋风分离器电磁阀114,和可移动台84。
本领域技术人员可以看出,各种控制器结构和机器可读码可以用来进行希望的***自动控制。
在一个实施方案中,***如下起作用。在样品被接受在旋风分离器78中之后,把样品抽空以排出多余的碎屑。移动台84把取样装置16移动到其“原位”,该位置恰好在Spectralon反射参比材料48下面,在这里***等待开始获得成像数据。电子快门38阻断到光测量装置18的进口。控制***88获得并储存暗像,用于样品反射率的后续计算。然后打开电子快门38。移动台84加速取样装置16直至它达到其预定的恒定速度,使其通过光测量装置18的视场。台84的移动开始引发从光测量装置18到控制***88的图像桢的获得。通过成像样品上的相邻行,获得分光图像,从而逐行组成图像。移动台84移动取样装置16的速度由图像行的宽度和每图像桢光测量装置18的读出速度决定。对由于检测器中的暗电流、在景物行上的照明空间不均匀性和光源颜色温度漂移所产生的任何偏差,暗像以及每个样品的反射参比目标的获得和储存保证由***进行的正确补偿。当移动台84移动时,控制***继续摄取图像桢。当在控制***中遇到有效的“扫描结束”判据时,控制***88停止获得图像桢和停止所述台的移动。在获得每个图像桢后,测试逻辑表达“扫描停止”。有效的图像行的总数正比于样品的总体积。样品体积与来自称重单元的重量数据一起用来计算产率。在收集图像并完成数据处理之后,根据预定的选择判据和光测量装置18数据的分析,如前一样进行分选。
样品的定量化学信息可以从本发明的收集的光谱数据提取。众所周知,生物材料中所含的多原子有机分子呈现红外和近红外光谱区域中的吸收跃迁,并且这些跃迁良好地与有机官能团相关联。具体地,在770-2,500纳米的近红外区域中,O-H、C-H和N-H的有机官能团的基本振动频率的谱波和组合谱带提供分子谱特征,以便与化学组分的浓度相关联。
当用作光谱成像***时,本发明提供许多优点。因为由***视场内的每个样品单元反射的光被收集和测量,所以,对于散装谷物样品,可以获得更精确的数据。图7表示可以用本发明的优选实施方案获得的细节的类型。图7表示在1,100纳米的散装玉米样品的放大灰度图像。还表示了两个重叠的谱图,一个对应于在玉米粒的胚芽部分中的空间点,如图像中所示,而另一个对应于在胚乳部分中的空间点,如玉米粒的图像中所示。从灰度图像和光谱的比较可以看出,使用其光谱特征,两个粒相互可以区分。分光图像的分析可以用来基于例如但是不限于胚乳尺寸、胚芽尺寸、种子形状、种子尺寸、种子颜色、种子表面结构、种子重量、种子密度、种子完整性、油含量、蛋白质含量、碳水化合物含量、淀粉含量、纤维含量和水含量进行样品分类。通过使用形貌滤光片估计给定体积的单元总数以及平均单元形状,可以使用由样品图像提供的空间细节。
参见图8,表示了本发明的一个替换的实施方案,其是漫射透射成像***形式的。该实施方案中的取样装置116允许光通过两个侧面,并且由具有两个石英窗的矩形腔室组成,光通过石英窗透射通过样品到达光谱仪26的输入狭缝。在漫射透射的情况下,光源12以距离X直接与光测量装置18相对并在相同平面内。来自光源12的光通过圆柱透镜被引导成一行并瞄准通过取样装置116,在取样装置116中,其被聚焦到光谱仪26的输入狭缝中。用在反射实施方案中的校准参比Spectralon材料被透射参比单元118代替,透射参比单元118由位于比色皿任一侧的两个小窗口组成,其一是石英的,而另一个用中等密度滤光镜制备,使得可以收集参比图像。用由透射参比图像去除通过样品14获得的图像行,进行透射率测量。取样装置116底部包括在相对的两侧上有两个石英窗的样品单元120,含有与分析物相同的参比样。分析过程如前进行。
参考图9,表示了本发明的一个替换实施方案,其是用于单种子分析的慢射反射***形式的。种子在取样装置122中排列,从而可以保持其位置和同一性。通过以类似于用于散装样品的***的方式以固定速度移动取样装置122获得光谱图像。图10表示如上所述获得的一盘24颗玉米粒的图像。通过在三个独特的波长平面选择3种灰度光谱图像并使每一个按比例分成红或绿或蓝色分量,产生该图像。还表示了两个重叠的光谱,一个对应于在胚乳区域内个体种子上的空间点,而另一个光谱对应于单个种子的胚芽区域中的空间点。区分样品种子的不同组织(例如胚乳和胚芽)之间的能力使得可以测量在那些不同组织中的选定样品特性。
上述的单种子分析可以与分选装置86配合,分选装置86可以逐个地分选每个种子。在本实施方案中,取样装置116具有隔板以便把个体种子分到单元中。取样装置116的底部包含可以差动打开的开口,以根据编程序的选择判据释放任何或全部种子。另外,分选装置86可以包括用于取样装置116中每个单元的可差动控制的可移动叶片,从而可以把种子同时卸出到分选装置中。
虽然本发明的举例说明的实施方案包括在近红外光谱区域中的光谱成像,但是也可以使用其它光谱区域,如可见光、紫外光或中红外区域。此外,如果光源12被相干激光代替,则用本发明也可以进行荧光成像。本发明实施方案包括使用取样装置16的取样***,该取样装置16移动通过光测量装置18的视场。本发明的另一个实施方案使用固定的取样装置16,谷物样品通过其流过石英窗。通过调节在称重单元和取样装置之间的开口,控制谷物在该单元中的流动速度。通过允许形成通过的谷物的全部或部分图像的速度在光测量装置18中捕捉图像,进行通过的样品的分析。
以下实施例仅是举例说明性的。不应该认为本发明限于这些举例说明性的实施方案。
实施例1
根据以下过程开发散装谷物校准模型。基于其化学成分的范围,筛选一组96颗散装玉米样品。样品得自5种不同的油源和一种蛋白质源。该样品组包括基础系、F1系、自交系、和双重单倍体系。样品重量为13克至100克。油范围为4-13%(干物质基,DMB),蛋白质为9-24%(DMB),淀粉为60-75%(DMB),水分为9-14%。
使用Tecator Infratec 1221 Grain Analyzer(Fos Tecator,P.O.Box 70,S-26321 Hoeganaes,Sweden)获得参比分析数据以及由制造商提供的玉米的商品校准模型。Tecator 1221 Grain Analyzer是近红外慢射透射率仪器。其有一个内置计算机并使用Partial LeastSquares回归,基于用于校准方程开发的Infrasoft Win-ISI软件。该仪器在850-1050纳米范围内扫描。使用具有金属***物的样品池,从而把有效取样区域从42.8cm2减小到15.2cm2。样品池的路径长度为2.60cm。数据获得时间为每个样品60秒,不包括从样品腔中***和取出样品比色皿的时间。
使用如上所述的本发明的方法把样品在本发明的装置上进行试验,通过鉴定在与每个样品相关的高光谱数据立方体中的所有空间像元并把相应的光谱取平均值,对于96颗散装种子产生平均光谱。对于重叠的全部96颗平均光谱的反射率与波长的关系曲线表示在图11中。对于96颗具有不同化学组成的散装玉米样品中的4个的代表性平均光谱表示在图12中。
在进行建模之前,使用具有9点有限差范围(window)和二次多项式系数的Savitsky-Golay二阶导数运算法则,转换每个反射光谱。一旦光谱被分解成其主分量并通过蛋白质、油、淀粉和水分的因变量加权,就基于每个光谱的计算(scores)进行部分最小二乘法模型的回归过程。
在所处理的平均中心反射率光谱上进行建模。对于感兴趣所有化学组分使用单部分最小二乘法(PLS)2-型模型:蛋白质、油、淀粉和水分。使用The Unscrambler软件,Camo ASA,Oslo,Norway)进行化学统计建模。如Haaland和Thomas,Anal.Chem.,60,1,193-1,202(1998)和Geladi和Kowalski,Anal.Chem.Acta,185,1-17,(1986)所述的进行PLS建模过程,这两篇文献整体引入本文作为参考。用测定的多变量系数(r2)、在测量值与模型值之间的预测标准偏差(SEP)、以及在测量组分和模型组分的平均值之间的偏差,确定模型性能。进行全交叉验证计算判断所产生的模型的性能。图13表示对于散装玉米的总的油、蛋白质、淀粉和水分的部分最小二乘法2型模型的总解释验证变化率与主组分数量的关系曲线。从图13的曲线可以看出,模型获得74%的验证变化率。
对于油、蛋白质、淀粉和水分,建模过程的结果分别表示在图14-17中。图14-17是每种特性的预测百分比与通过参比技术确定的该特性的百分比的关系曲线。所用的PLS模型的性能总结表示在图18中。
实施例2
基于其化学成分的范围,选择一组288颗个体玉米粒样品。该样品组包括F1系、自交系、和双重单倍体系。样品重量范围为100毫克至584毫克。油范围为0.4-19.3%(原样基,未对水分进行校正),如在23兆赫Maran NMR单种子分光仪(Resonance Research Inc.,Oxford,England)上所测定的,蛋白质为7-17%(干重基),如使用Infratec 1221 Near Infrared分光仪(Fos Tecator,P.O.Box70,S-26321 Hoeganaes,Sweden)由散装玉米测量所估计的。
使用低场NMR技术测定每个个体种子的绝对油浓度。该过程是无损的并且对玉米种子无害。使用具有18毫米探头的Maran Ultra-20Benchtop NMR光谱仪(Resonance Research Inc.,Oxford,England)测定每颗种子的油,所得的数据用来建立化学统计校准模型。得自该光谱仪的油数据不对水分进行校正。该方法具有每颗种子0-0.22克的典型分析范围(对于0.22克种子为0-25%),典型的绝对标准偏差范围为0.39-0.44%。样品获得时间为每颗种子约20秒。该技术需要每个种子的准确重量,以计算油浓度百分比。
对于油的化学组分开发部分最小二乘法(PLS)1型模型。使用称为The Unscrambler的软件包(Camo ASA,Oslo,Norway)进行化学统计建模。PLS建模过程的数学方法如实施例1所述。通过鉴定与每颗种子相关的高-光谱数据立方体中的所有空间像元并使相应谱图平均,对于每颗单个种子样品产生平均谱图。所重叠的全部所得的288平均谱图的曲线表示在图19中,图19是反射率与波长的关系曲线。对于具有不同油浓度的6颗单粒玉米样品的典型平均谱图表示在图20中。
在进行PLS模型计算之前,使用全乘法散射校正(fullmultiplicative scatter correction)(MSC)(见Martens和Naes,Near Infrared Technology in Agircultureal and Food Industries,eds,Williams and Norris,Am.Cereal Chem.)和使用具有15点有限差范围和二次多项式系数的Savitsky-Golay二阶导数运算法则转换每个反射谱图。如在实施例1中一样在平均中心反射谱图上进行建模。一旦谱图被分解成其主要分量并通过油的因变量加杈,就基于每个谱图的计算进行PLS模型中的回归过程。用测定的多变量系数(r2)、在测量值与模型值之间的预测标准偏差(SEP)、以及在测量组分的平均值和模型组分之间的偏差,确定模型性能。进行全交叉验证计算判断所产生的模型的性能。图21表示单粒玉米的总油量的PLS1型模型的总解释验证变化率与主组分数的关系曲线。从图21的曲线可以看出,该模型获得87%的总验证变化率。
对于油的建模过程的结果表示在图22中。对于用265个校正样品对总油量开发的PLS模型,测定的多变量系数r2为0.93,标准预测偏差SEP为1.23。在测量值的平均值和模型预测值之间的偏差为0.000163。
Claims (145)
1.一种测定一个种子是否呈现一种特性的方法,其包括以下步骤:
(A)接收所述种子;
(B)把光从光源引导到所述种子,从而形成发射光;
(C)把所述发射光分散,形成色散光;
(D)在包含多数据点阵列的光测量装置中接收所述色散光,该阵列包括限定种子上的多个样品点的空间尺度和对于来自多个样品点的每一个的色散光确定光谱数据的光谱尺度;
(E)用所述光测量装置输出每一个所述多数据点的光谱数据信号;
(F)基于所述光谱数据信号,确定所述种子在多样品点的个体处是否呈现所述特性。
2.根据权利要求1的方法,其中,所述特性是一种定量特性。
3.根据权利要求1的方法,其中,所述特性是一种生物化学特性。
4.根据权利要求3的方法,其中,所述生物化学特性选自油含量、蛋白质含量、碳水化合物含量、淀粉含量、纤维含量和水含量。
5.根据权利要求3的方法,其中,所述生物化学特性选自油组成、蛋白质组成、碳水化合物组成和纤维组成。
6.根据权利要求1的方法,其中,所述特性是形貌特性。
7.根据权利要求6的方法,其中,所述形貌特性选自胚乳尺寸、胚芽尺寸、种子形状、种子尺寸、种子颜色、种子表面结构、种子重量、种子密度和种子完整性。
8.根据权利要求1的方法,其中,发射的光选自由种子在多样品点的每一个处的反射光和在多样品点的每一个处通过样品的透射光。
9.根据权利要求1的方法,其中,所述种子完整性与疾病易感性或抵抗性相关。
10.根据权利要求7的方法,其中,所述种子完整性与对昆虫传染耐受性或易感性相关。
11.根据权利要求7的方法,其中,所述种子完整性与对真菌感染的耐受性或易感性相关。
12.根据权利要求7的方法,其中,所述种子完整性是整个种子的完整性。
13.根据权利要求1的方法,其中,所述色散光在900-1,700nm波长之间。
14.根据权利要求1的方法,其中,所述色散光提供至少在900-1,700nm光谱范围内的光谱图像,光谱分散为至少150nm/mm,光谱分辨率至少为20纳米。
15.根据权利要求75的设备,其中,所述光谱仪选自棱镜-光栅-棱镜光谱仪或反射光栅光谱仪。
16.根据权利要求1的方法,其中,所述光源能够提供包含900-1,700纳米波长的光。
17.根据权利要求75的设备,其中,所述光源选自卤素灯、钨卤素灯、长丝卤素灯、氙灯、氙气闪光灯、荧光灯、氖灯和汞灯。
18.根据权利要求1的方法,其中,步骤(A)-(F)可以在小于5秒内进行。
19.根据权利要求46的设备,其中,所述照相机选自锑化铟照相机、碲化镉汞照相机、硅化铂照相机、砷掺杂硅照相机、砷化镓铟照相机和CCD照相机。
20.根据权利要求1的方法,其中,在步骤(F)中,确定是否呈现一种以上特性。
21.根据权利要求1的方法,其中,所述特性是胚乳中的油量。
22.根据权利要求1的方法,其中,所述确定步骤包括确定所述特性在种子内的相对空间分布的步骤。
23.一种确定植物组织是否呈现一种特性的方法,其包括以下步骤:
(A)接收所述植物组织;
(B)把光从光源引导到所述植物组织,从而形成透射或反射光;
(C)把所述透射或反射光分散,形成色散光;
(D)在包含多数据点阵列的光测量装置中接收所述色散光,该阵列包括限定植物组织上的多个样品点的空间尺度和对于来自多个样品点的每一个的色散光限定光谱数据的光谱尺度;
(E)用所述光测量装置输出所述多数据点的每一个的光谱数据信号;
(F)基于所述光谱数据信号,确定所述植物组织在多样品点的个体处是否呈现所述特性。
24.一种确定一批种子是否含有呈现一种特性的种子的方法,其包括:
(A)接收所述种子批;
(B)把光从光源引导到所述种子批,从而形成透射或反射光;
(C)把所述透射或反射光分散,形成色散光;
(D)在包含多数据点阵列的光测量装置中接收所述色散光,该阵列包括限定该批种子上多个样品点的空间尺度和对于来自多个样品点的每一个的色散光限定光谱数据的光谱尺度;
(E)用所述光测量装置输出所述多数据点的每一个的光谱数据信号;
(F)基于所述光谱数据信号,确定所述种子批中的个体种子是否呈现所述特性,其中,所述确定的步骤包括使所述个体种子与多样品点的相应点相关联的步骤。
25.权利要求24的方法,其中,所述接收所述种子批的步骤包括为所述种子批中的每个所述种子在取样装置内提供单独的腔室的步骤,从而使得在所述确定所述种子批的个体种子是否呈现所述特性之后可以进行种子的个体分选。
26.权利要求24的方法,其中,所述种子批包含10颗以上的个体种子。
27.权利要求24的方法,其中,所述分散步骤包括把所述透射或反射光分散形成与所述种子批中每个个体种子中的多样品点相对应的色散光的步骤,并且其中所述确定步骤包括基于所述光谱数据信号确定个体种子在多样品点的个体处是否呈现所述特性的步骤。
28.权利要求24的方法,其中,所述种子批包含多于50颗个体种子。
29.权利要求24的方法,其中,所述方法可以用小于约10秒在所述种子批上进行。
30.权利要求24的方法,其中,所述方法可以用小于约5秒在所述种子批上进行。
31.一种确定一种样品是否呈现一种特性的方法,其包括以下步骤:
把光引导到样品上以产生来自该样品的许多离散空间样品点发射的混合波长的光;
把对于每个离散空间样品点的混合波长的发射光分散成包含许多组成波长的相应的光谱图像;
关于每个离散的空间样品点,检测在相应的光谱图像内的组成波长;和
相对于一种模型处理所检测的组成波长,以确定该样品在每个离散的空间样品点是否呈现某种特性,所述模型使光谱图像中某种组成波长的存在与在该样品的相应离散空间样品点所呈现的某种特性的存在相关联。
32.权利要求31的方法,其中,所述样品是农产品,包括个体种子、一批种子和一种植物组织。
33.权利要求31的方法,其中,所述发射光包括来自样品的反射光。
34.权利要求31的方法,其中,所述发射光包括通过样品的透射光。
35.权利要求31的方法,其中,所述处理步骤还包括确定在每个离散空间样品点确定所呈现的某种特性的定量的步骤。
36.权利要求31的方法,其中,所述特性包括生物化学特性,选自油、蛋白质、碳水化合物、淀粉、纤维和水。
37.权利要求36的方法,其中,淀粉的生物化学特性还包括选自支链淀粉和直链淀粉的淀粉表型。
38.权利要求31的方法,其中,所述特性包括胚乳突变特性,选自胚乳中玉米蛋白减少和氨基酸量。
39.权利要求31的方法,其中,所述特性包括形貌特性,选自胚乳尺寸、胚芽尺寸、种子形状、种子颜色、种子表面结构、种子重量、种子密度和种子同一性。
40.权利要求31的方法,其中,所述特性包括玉米损坏的指标,其选自玻璃状与非玻璃状胚乳的比例、粒密度、平均粒重、果皮数量、果皮质量、粒尺寸和粒形状。
41.权利要求31的方法,其中,所述引导光的步骤包括引导包含900-1,700纳米波长的光的步骤。
42.权利要求31的方法,其中,所述分散步骤包括把发射光分散成具有至少150nm/mm的光谱色散和至少20nm的光谱分辨率的光谱图像的步骤。
43.权利要求31的方法,其还包括测量样品重量的步骤;且
其中所述处理步骤还包括按测量的样品重量确定所呈现的某种特性的定量的步骤。
44.权利要求31的方法,其还包括基于所确定的呈现某种特性的存在把样品分到许多目标中的步骤。
45.权利要求31的方法,其还包括基于确定的呈现某种特性的存在筛选优选的样品个体的步骤。
46.一种确定样品是否呈现一种特性的设备,其包括
一种光源,把光引导到样品上,以产生在许多离散的空间样品点从样品发射的混合波长的光;
一种光谱仪,其把每个离散的空间样品点的混合波长的光分散成包含许多组成波长的相应的光谱图像;
一种照相机,其包括对于每个离散的空间样品点用于检测在相应的光谱图像内的组分波长的检测器;和
一种处理器,其针对一种模型比较检测的组分波长,以确定该样品在每个离散的空间样品点是否呈现某种特性,所述模型把在光谱图像中存在的某些组成波长与在样品的相应离散空间样品点处呈现某种特性的存在相关联。
47.权利要求46的设备,其中,所述样品是农产品,包括个体种子、一批种子和一种植物组织。
48.权利要求46的设备,其中,所述发射光包括来自样品的反射光。
49.权利要求46的设备,其中,所述发射光包括通过样品的透射光。
50.权利要求46的设备,其中,所述处理器还用来确定在离散的样品点处确定所呈现的某种特性的定量。
51.权利要求46的设备,其中,所述特性包括生物化学特性,选自油、蛋白质、碳水化合物、淀粉、纤维和水。
52.权利要求46的设备,其中,淀粉的生物化学特性还包括选自支链淀粉和直链淀粉的淀粉表型。
53.权利要求46的设备,其中,所述特性包括胚乳突变特性,选自胚乳中玉米蛋白减少和氨基酸量。
54.权利要求46的设备,其中,所述特性包括形貌特性,选自胚乳尺寸、胚芽尺寸、种子形状、种子颜色、种子表面结构、种子重量、种子密度和种子完整性。
55.权利要求46的设备,其中,所述特性包括玉米粒损坏的指标,选自玻璃状与非玻璃状胚乳的比例、粒密度、平均粒重、果皮数量、果皮质量、粒尺寸和粒形状。
56.权利要求46的设备,其中,所述光源引导包含900-1,700纳米波长的光。
57.权利要求46的设备,其中,所述光谱仪把发射光分散成具有至少150nm/mm的光谱色散和至少20nm的光谱分辨率的光谱图像。
58.权利要求46的设备,其还包括:
一种测量样品重量的装置;且
其中所述处理器按测量的样品重量确定所呈现的某种特性的定量。
59.权利要求46的设备,其还包括一个分选器,用于接收样品并基于所确定的呈现某种特性的存在把样品分选到许多目标中。
60.权利要求46的设备,其还包括:
一种用于盛装样品的样品容器;和
一种支持样品容器的直线移动台,其可以相对于光谱仪移动样品容器,以在其中容纳的样品上进行来自光源的光的扫描,产生在离散的空间样品点处发射的混合波长的光。
61.权利要求60的设备,其中,来自光源的光形成光行,其通过样品容器的直线移动台的运动扫过样品。
62.权利要求66的设备,其还包括加工装置,选自脱粒机、打谷机、和联合收割机,用于为特性确定分析提供样品。
63.一种方法,包括以下步骤:
(A)把一行光引导到农业样品的一部分上,从而形成发射的光;
(B)对于沿着该行光的农业样品的部分上的许多离散空间样品点,把发射的光分散成相应的包含许多组成波长的光谱图像;
(C)关于沿着该行光的每个离散空间样品点,检测在相应的光谱图像内的组成波长;
(D)重复步骤(A)-(C),扫描农业样品的每个部分;和
(E)从对于每个扫描部分的每个离散空间样品点处的检测组成波长产生该农业样品的高光谱数据立方体。
64.权利要求63的方法,其还包括相对于一种模型处理加工在高光谱数据立方体中所检测的组成波长的步骤,以确定该农业样品在每个离散的空间样品点处是否呈现某种特性,所述模型把光谱图像中某种组成波长的存在与该农业样品在相应的离散空间样品点存在所呈现的某种特性相关联。
65.权利要求63的方法,还包括处理步骤,该步骤相对于一种模型处理与某些部分中的离散空间样品点相关的高光谱数据立方体中所检测的组分波长,以确定该农业样品在该部分中的每个离散空间样品点是否呈现某种特性,所述模型使光谱图像中某些组成波长的存在与在该农业样品的某些部分的相应离散空间样品点存在所呈现的某种特性相关联。
66.权利要求63的方法,其还包括处理步骤,该步骤相对于一种模型处理与某些部分中的离散空间样品点相关的高光谱数据立方体中所检测的组成波长,以确定该农业样品在该部分是否呈现某种特性,所述模型使某些部分中的离散空间样品点的光谱图像中某些组成波长的存在与该农业样品的某些部分存在所呈现的某种特性相关联。
67.权利要求66的方法,其还包括把某些部分的离散空间样品点相关的高光谱数据立方体中所检测的组成波长取平均值的步骤,以形成某些部分的平均光谱,用于相对于所述模型进行处理。
68.一种设备,其包括以下步骤:
一种光源,其把一行光引导到一部分农业样品,以产生发射光;
一种光谱仪,其对于沿着该行光的农业样品部分上的许多离散的空间样品点的每一个把发射光分散成包含许多组成波长的相应光谱图像;
一种照相机,其包括用于关于每个离散的空间样品点检测在相应的光谱图像中的组成波长;
一种相对于该行光移动农业样品的装置,以扫描每部分的农业样品;和
一种处理器,其用于从每个扫描部分的每个离散空间样品点所检测的组成波长产生该农业样品的高光谱数据立方体。
69.权利要求68的设备,其中,该农业样品选自一个种子、一批种子和一种植物组织。
70.权利要求68的设备,其中,用于移动的装置包括:
一个容纳农业样品的样品容器;和
一个直线移动台,其支持样品容器并可以相对该行光移动样品容器。
71.权利要求68的设备,其中,所述处理器还可以用来相对一种模型处理在高光谱数据立方体中所检测的组成波长,以确定该农业样品在每个离散的空间样品点是否呈现某种特性,该模型使光谱图像中的某些组成波长的存在与农业样品的相应离散空间样品点所呈现的某种特性的存在相关联。
72.权利要求68的设备,其中,所述处理器还可以用来相对一种模型处理与某些部分中的离散空间样品点相关的高光谱数据立方体中所检测的组成波长,以确定该农业样品在该某些部分中的每个离散空间样品点是否呈现某种特性,该模型使光谱图像中的某些组成波长的存在与农业样品的某些部分的相应离散空间样品点处所呈现的某种特性的存在相关联。
73.权利要求68的设备,其中,所述处理器还可以用来相对一种模型处理与某些部分中的离散空间样品点相关的高光谱数据立方体中所检测的组成波长,以确定该农业样品在该某些部分是否呈现某种特性,该模型使某些部分中的相应离散空间样品点的光谱图像中某些组成波长的存在与农业样品的某些部分所呈现的某种特性的存在相关联。
74.权利要求73的设备,其中,所述处理器还用来把与某一部分中的离散空间样品点相关的高光谱数据立方体中所检测的组成波长取平均值,以形成某些部分的平均光谱,用于相对于所述模型进行处理。
75.一种向植物中基因渗入一种特性的方法,其包括以下步骤:
(A)把光从光源引导到一个种子上,从而形成发射的光;
(B)把所述发射光分散形成色散光;
(C)在包含多数据点阵列的光测量装置中接收所述色散光,该阵列包括限定种子上的多样品点的空间尺度和限定每个多样品点的色散光的光谱数据的光谱尺度;
(D)用所述光测量装置输出每个所述多数据点的光谱数据信号;
(E)基于所述光谱数据信号确定在多样品点的个体处所述种子是否呈现一种感兴趣的特性;
(F)如果确定步骤鉴定该种子呈现感兴趣的特性,则选择该种子用于育种;
(G)由选定的种子种植能繁殖的植物;和
(H)使用该能繁殖的植物在与另一个植物杂交中作为亲本植物。
76.权利要求75的方法,其中,所述杂交产生一种后代植物,其产生种子,并且还包括使用步骤(A)-(F)筛选该后代植物的种子的步骤。
77.权利要求75的方法,其中,所述能繁殖的植物是所述杂交的父本。
78.权利要求75的方法,其中,所述能繁殖的植物是所述杂交的母本。
79.权利要求75的方法,其中,所述杂交产生一种后代植物,其产生种子,并且该方法还包括重复步骤(A)-(H)以选择性地培育其种子具有感兴趣的特性的植物。
80.一种确定一个种子是否呈现一种特性的设备,其包括:
一种用于容纳所述种子的取样装置;
一种光源,其把光引导到所述种子,从而形成发射光;
一种光谱仪,其分散所述发射光形成色散光;
一种光测量装置,其接收所述色散光,该装置包含多数据点阵列,该阵列包括限定种子的多样品点的空间尺度和限定每个多样品点的色射光的光谱数据的光谱尺度,该装置输出每个所述多数据点的光谱数据信号;和
一种处理器,用于基于所述光谱数据信号确定所述种子在多数据点的个体处是否呈现所述特性。
81.根据权利要求80的设备,其中,所述特性是一种定量特性。
82.根据权利要求80的设备,其中,所述特性是一种生物化学特性。
83.根据权利要求82的设备,其中,所述生物化学特性选自油含量、蛋白质含量、碳水化合物含量、淀粉含量、纤维含量和水含量。
84.根据权利要求82的设备,其中,所述生物化学特性选自油组成、蛋白质组成、碳水化合物组成和纤维组成。
85.根据权利要求80的设备,其中,所述特性是一种形貌特性。
86.根据权利要求85的设备,其中,所述形貌特性选自胚乳尺寸、胚芽尺寸、种子形状、种子尺寸、种子颜色、种子表面结构、种子重量、和种子完整性。
87.根据权利要求86的设备,其中,所述种子完整性与疾病易感性或耐受性相关。
88.根据权利要求87的设备,其中,所述疾病易感性或耐受性是对昆虫传染的易感性或耐受性。
89.根据权利要求87的设备,其中,所述疾病易感性或耐受性是对真菌感染的耐受性或易感性。
90.根据权利要求87的设备,其中,所述种子完整性是整个种子的完整性。
91.根据权利要求80的设备,其中,所述发射光选自在每个多样品点来自种子的反射光和在每个多样品点通过种子的透射光。
92.根据权利要求80的设备,其中,所述色散光在900-1,700nm的波长之间。
93.根据权利要求80的设备,其中,所述光谱仪能够提供至少在900-1,700nm光谱范围的光谱图像的色散光,光谱色散至少为150nm/mm和光谱分辨率至少为20nm。
94.根据权利要求80的设备,其中,所述光谱仪选自棱柱-光栅-棱柱光谱仪或反射光栅光谱仪。
95.根据权利要求80的设备,其中,所述光源能提供包含900-1,700纳米波长的光。
96.根据权利要求80的设备,其中,所述光源选自卤素灯、钨卤素灯、长丝卤素灯、氙灯、氙气闪光灯、荧光灯、氖灯和汞灯。
97.根据权利要求80的设备,其中,所述取样装置选自包含一般为水平表面的透明容器。
98.根据权利要求80的设备,其中,所述取样装置安装在直线移动台上,其能够相对于所述分光计移动。
99.根据权利要求80的设备,其中,所述光测量装置包含具有大于7,500个像元、小于20微米的间距,和大于每秒25桢桢速的焦平面。
100.根据权利要求80的设备,其中,所述光测量装置选自锑化铟照相机、碲化镉汞照相机、硅化铂照相机、砷掺杂硅照相机、砷化镓铟照相机和CCD照相机。
101.根据权利要求80的设备,其中,所述处理器确定是否具有一个以上特性。
102.一种区分单倍体样品与非单倍体样品的方法,其包括以下步骤:
把光引导到一个种子上,产生在许多离散的空间样品点从该种子发出的混合波长的光;
把每个离散的空间样品点的混合波长的发射光分散成包含许多组成波长的相应的光谱图像;
关于每个离散空间样品点检测在相应的光谱图像内的组成波长;和
相对一种模型处理在所述种子上的每个离散空间样品点所检测的组成波长,以确定该种子是否是单倍体,所述模型把光谱图像中的一些组成波长的存在与由单倍体特性产生的表型相关联。
103.权利要求102的方法,其中,发射光包含来自该农产品的反射光。
104.权利要求102的方法,其中,发射光包含通过该农产品的透射光。
105.权利要求102的方法,其中,处理步骤还包括区分种子内胚乳位置的步骤。
106.权利要求105的方法,其中,处理步骤还包括处理在种子胚乳内的那些离散空间样品点所检测的组成波长的步骤,以检测种子是单倍体的花青素(anthocyainin)着色象征。
107.权利要求102的方法,其中,处理步骤还包括区分种子内胚胎位置的步骤。
108.权利要求107的方法,其中,处理步骤还包括处理在种子胚胎内的那些离散空间样品点所检测的组成波长的步骤,以检测种子是单倍体的着色象征的缺少。
109.权利要求102的方法,其还包括基于该种子是否被确定为单倍体而把种子分选到许多目标中的步骤。
110.权利要求102的方法,其还包括基于该种子是单倍体的确定筛选种子的步骤。
111.一种区分单倍体样品与非单倍体样品的设备,其包括:
一种光源,其把光引导到农产品上,以产生由该农产品在许多离散的空间样品点发射混合波长的光;
一种光谱仪,其把每个离散空间样品点的混合波长的发射光分散到包含许多组成波长的相应光谱图像中;
一种照相机,其包括用于关于每个离散空间样品点检测在相应的光谱图像范围内的组成波长的检测器;和
一种处理器,其用来把种子上的每个离散空间样品点的检测组成波长与一种模型比较,以确定该种子是否是单倍体,该模型把光谱图像中的某些组成波长的存在与由单倍体特性产生的表型相联系。
112.权利要求111的设备,其中,发射光包含来自该农产品的反射光。
113.权利要求111的设备,其中,发射光包含通过所述样品的透射光。
114.权利要求111的设备,其中,处理器还用来区分种子内胚乳的位置。
115.权利要求114的设备,其中,处理器还用来处理种子胚乳内的那些离散空间样品点的检测组成波长,以检测种子是单倍体的花青素着色象征。
116.权利要求111的设备,其中,处理器还用来区分种子内胚胎的位置。
117.权利要求116的设备,其中,处理器还用来处理种子胚胎内的那些离散空间样品点的检测组成波长,以检测种子是单倍体的着色象征的缺少。
118.权利要求111的设备,其还包括一种分选机,其基于种子是否被确定为单倍体把种子引导到许多目标中。
119.权利要求111的设备,其还包括一个选择器,其基于该种子是单倍体的确定选择种子。
120.一种区分性分析农业样品的各部分的方法,其包括以下步骤:
把光引导到农业样品上,以产生从该农业样品在许多离散的空间样品点发射的混合波长的光;
把每个离散空间样品点的混合波长的发射光分散成包含许多组成波长的相应的光谱图像;
关于每个离散空间样品点检测在相应的光谱图像内的组成波长;和
相对于一种模型处理在农业样品上的每一个离散空间样品点的检测组成波长,以鉴定一个或多个离散空间样品点为与该农业样品的某些部分相关的,该模型把在光谱图像内的某些组成波长的存在与农业样品的一些部分相关联。
121.权利要求120的方法,其中发射光包含来自农业样品的反射光。
122.权利要求120的方法,其中,发射光包含通过农业样品的透射光。
123.权利要求120的方法,其中,某些部分包括农业样品的胚乳部分,处理步骤还包括鉴定与胚乳部分相关的离散空间样品点的步骤。
124.权利要求123的方法,其中,处理步骤还包括相对于一种模型处理与农业样品的胚乳部分相关的那些鉴定的离散空间样品点的检测组成波长的步骤,以确定该农产品在胚乳部分中是否呈现某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点呈现某种特性的存在相关联。
125.权利要求120的方法,其中,某些部分包括农业样品的胚芽部分,并且处理步骤还包括鉴定与胚芽部分相关的离散空间样品点的步骤。
126.权利要求125的方法,其中,处理步骤还包括相对一种模型处理与农业样品的胚芽部分相关的那些鉴定的离散空间样品点的检测组成波长的步骤,以确定该农产品在胚芽部分中是否呈现某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点呈现某种特性的存在相关联。
127.权利要求120的方法,其中,所述某些部分包括农业样品的胚胎部分,并且处理步骤还包括鉴定与胚胎部分相关的离散空间样品点的步骤。
128.权利要求127的方法,其中,处理步骤还包括相对一种模型处理与农业样品的胚胎部分相关的那些鉴定的离散空间样品点的检测组成波长的步骤,以确定该农产品在胚胎部分中是否呈现某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点呈现某种特性的存在相关联。
129.权利要求120的方法,其中,农业样品包含一批种子,并且所述某些部分包含在该批种子内的个体种子,处理步骤还包含鉴定与个体种子相关的离散空间样品点的步骤。
130.权利要求129的方法,其中,处理步骤还包括相对一种模型处理与该批种子中的个体种子相关的那些鉴定的离散空间样品点的检测组成波长的步骤,以确定该农产品在每个个体种子中是否呈现出某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点呈现某种特性的存在相关联。
131.权利要求120的方法,其还包括基于某些部分的特性分析把种子分选到许多目标中的步骤。
132.权利要求120的方法,其还包括基于某些部分的特性分析筛选种子的步骤。
133.一种区分性分析农业样品的各部分的设备,其包括:
一种光源,其把光引导到农业样品上,以产生从该农业样品在许多离散的空间样品点发射的混合波长的光;
一种光谱仪,其把每个离散空间样品点的混合波长的发射光分散成包含许多组成波长的相应的光谱图像;
一种照相机,其包括关于每个离散空间样品点检测在相应的光谱图像内的组成波长的检测器;和
一种处理器,其用于把农业样品上的每个离散空间样品点的检测组成波长与一种模型相比较,以鉴定一个或多个离散空间样品点为与该农业样品的某些部分相关的,该模型把在光谱图像内的某些组成波长的存在与农业样品的一些部分相关联。
134.权利要求133的设备,其中发射光包含来自农业样品的反射光。
135.权利要求133的设备,其中,发射光包含通过农业样品的透射光。
136.权利要求133的设备,其中,某些部分包括农业样品的胚乳部分,处理器还用来鉴定与胚乳部分相关的离散空间样品点。
137.权利要求136的设备,其中,处理器还用于相对于一种模型处理与农业样品的胚乳部分相关的那些鉴定的离散空间样品点的检测组成波长,以确定该农产品在胚乳部分中是否具有某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点所呈现某种特性的存在相关联。
138.权利要求133的设备,其中,某些部分包括农业样品的胚芽部分,并且处理器还用来鉴定与胚芽部分相关的离散空间样品点。
139.权利要求138的设备,其中,处理器还用来相对一种模型处理与农业样品的胚芽部分相关的那些鉴定的离散空间样品点的检测组成波长,以确定该农产品在胚芽部分中是否呈现出某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点所呈现的某种特性的存在相关联。
140.权利要求133的设备,其中,所述某些部分包括农业样品的胚胎部分,并且处理器还用来鉴定与胚胎部分相关的离散空间样品点。
141.权利要求140的设备,其中,处理器还用于相对一种模型处理与农业样品的胚胎部分相关的那些鉴定的离散空间样品点的检测组成波长,以确定该农产品在胚胎部分中是否呈现出某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点所呈现的某种特性的存在相关联。
142.权利要求133的设备,其中,农业样品包含一批种子,并且所述某些部分包含在该批种子内的个体种子,处理器还用来鉴定与个体种子相关的离散空间样品点。
143.权利要求142的设备,其中,处理器还用来相对一种模型处理与该批种子中的个体种子相关的那些鉴定的离散空间样品点的检测组成波长,以确定该农产品在每个个体种子中是否呈现出某种特性,所述模型把光谱图像中的一些组成波长的存在与该农产品的相应离散空间样品点所呈现的某种特性的存在相关联。
144.权利要求133的设备,其还包括一种分选机,其基于种子是否被确定为单倍体而把种子引导到许多目标中。
145.权利要求133的设备,其还包括一种选择器,其基于种子是单倍体的确定筛选种子。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/698,214 | 2000-10-30 | ||
US09/698,214 US6646264B1 (en) | 2000-10-30 | 2000-10-30 | Methods and devices for analyzing agricultural products |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1484761A true CN1484761A (zh) | 2004-03-24 |
CN100392376C CN100392376C (zh) | 2008-06-04 |
Family
ID=24804350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB018216080A Expired - Lifetime CN100392376C (zh) | 2000-10-30 | 2001-10-26 | 分析农产品的方法和装置 |
Country Status (18)
Country | Link |
---|---|
US (1) | US6646264B1 (zh) |
EP (1) | EP1332354B1 (zh) |
JP (1) | JP2004515778A (zh) |
CN (1) | CN100392376C (zh) |
AR (1) | AR031284A1 (zh) |
AU (1) | AU2002243407A1 (zh) |
BG (1) | BG107842A (zh) |
BR (2) | BRPI0115054B1 (zh) |
CA (1) | CA2426933C (zh) |
ES (1) | ES2431955T3 (zh) |
HU (1) | HUP0302495A3 (zh) |
MX (1) | MXPA03003819A (zh) |
NO (1) | NO20031925L (zh) |
PL (1) | PL362509A1 (zh) |
RU (1) | RU2288461C2 (zh) |
UA (1) | UA79083C2 (zh) |
WO (1) | WO2002048687A2 (zh) |
ZA (1) | ZA200303298B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072883A (zh) * | 2010-07-07 | 2011-05-25 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102706813A (zh) * | 2012-05-31 | 2012-10-03 | 北京林业大学 | 基于高光谱图像的草地早熟禾品种识别方法 |
CN105284240A (zh) * | 2015-10-30 | 2016-02-03 | 山东省农作物种质资源中心 | 种子籽粒颜色分辨台及分辨方法 |
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN106053342A (zh) * | 2015-04-06 | 2016-10-26 | 株式会社佐竹 | 谷粒品级判别装置以及该装置的来自谷粒的光的受光方法 |
CN106394883A (zh) * | 2015-07-08 | 2017-02-15 | 霍尼韦尔国际公司 | 使用受控光源技术在自由空间中的准确的目标探测 |
CN106610377A (zh) * | 2016-11-14 | 2017-05-03 | 北京农业信息技术研究中心 | 种子光谱检测方法和*** |
CN109983320A (zh) * | 2016-06-09 | 2019-07-05 | 美国陶氏益农公司 | 使用ftir进行植物性状检测和性状基因渗入的方法和*** |
CN110118731A (zh) * | 2019-05-27 | 2019-08-13 | 安徽省农业科学院烟草研究所 | 利用光学照度计无损快速鉴定全粉质、蜡质玉米种质的方法 |
CN110411895A (zh) * | 2019-08-14 | 2019-11-05 | 甘肃省农业科学院马铃薯研究所 | 马铃薯容重测定方法及其在快速测定马铃薯淀粉含量和干物质含量中的应用 |
CN109738438B (zh) * | 2018-12-29 | 2021-07-23 | 扬州大学 | 一种小麦叶片衰老程度快速测量方法 |
CN114088622A (zh) * | 2021-09-23 | 2022-02-25 | 昆明理工大学 | 一种近紫外激光诱导叶绿素荧光的水体藻类浓度检测装置及方法 |
Families Citing this family (138)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040268446A1 (en) * | 2003-06-30 | 2004-12-30 | Brian Penttila | Method for classifying plant embryos using Raman spectroscopy |
SE0001967D0 (sv) * | 2000-05-25 | 2000-05-25 | Torbjoern Lestander | Single seed sortation |
US6706989B2 (en) | 2001-02-02 | 2004-03-16 | Pioneer Hi-Bred International, Inc. | Automated high-throughput seed sample processing system and method |
JP2004530875A (ja) * | 2001-04-13 | 2004-10-07 | カーギル、インコーポレイテッド | 農業および/または食品の原料の評価方法、その適用および製品 |
WO2003081188A2 (en) * | 2002-03-20 | 2003-10-02 | Ag Leader Technolgy, Inc. | High speed analyzer using near infrared radiation transmitted through thick samples of optically dense material |
PT1499545E (pt) | 2002-04-04 | 2008-03-20 | Monsanto Technology Llc | Sistema automatizado de triagem, pesagem e recolha de matéria particulada |
US7288768B2 (en) * | 2002-07-18 | 2007-10-30 | Purdue Research Foundation | Method for measuring the amount of an organic substance in a food product with infrared electromagnetic radiation |
US7643055B2 (en) * | 2003-04-25 | 2010-01-05 | Aptina Imaging Corporation | Motion detecting camera system |
US8031910B2 (en) * | 2003-09-17 | 2011-10-04 | Syngenta Participations Ag | Method and apparatus for analyzing quality traits of grain or seed |
CA2539935C (en) * | 2003-09-23 | 2015-11-17 | Monsanto Technology Llc | High throughput automated seed analysis system |
US20050097021A1 (en) * | 2003-11-03 | 2005-05-05 | Martin Behr | Object analysis apparatus |
US7315371B2 (en) * | 2004-01-23 | 2008-01-01 | P&P Optica Inc. | Multi-channel spectrum analyzer |
KR101226782B1 (ko) * | 2004-03-12 | 2013-01-25 | 가부시키가이샤 조이 월드 퍼시픽 | 물체의 칼로리 측정방법 및 물체의 칼로리 측정장치 |
EP1745274B1 (en) * | 2004-05-12 | 2019-08-14 | Pioneer Hi-Bred International, Inc. | Apparatus and method for the non-destructive nir analysis of a single seed or several seeds |
US7274457B2 (en) * | 2004-05-12 | 2007-09-25 | Pioneer Hi-Bred International, Inc. | Non-destructive derivation of weight of single seed or several seeds |
US7274456B2 (en) * | 2004-05-12 | 2007-09-25 | Pioneer Hi-Bred International, Inc. | Non-destructive single seed or several seeds NIR analyzer and method |
JP4499476B2 (ja) * | 2004-05-25 | 2010-07-07 | オリンパス株式会社 | 分光画像入力装置及びそれを備えた光学装置 |
US7611842B2 (en) * | 2004-08-26 | 2009-11-03 | Monsanto Technology Llc | Automated seed sampler and methods of sampling, testing and bulking seeds |
GB0419059D0 (en) * | 2004-08-26 | 2004-09-29 | Ici Plc | Sediment assessment |
US7832143B2 (en) * | 2004-08-26 | 2010-11-16 | Monsanto Technology Llc | High throughput methods for sampling seeds |
EP1819212B1 (en) * | 2004-08-26 | 2013-10-23 | Monsanto Technology, LLC | Automated testing of seeds |
US7703238B2 (en) | 2004-08-26 | 2010-04-27 | Monsanto Technology Llc | Methods of seed breeding using high throughput nondestructive seed sampling |
CN101022719B (zh) | 2004-09-16 | 2010-06-09 | 克罗普迪塞恩股份有限公司 | 评价植物根的方法和装置 |
EP1889038A2 (fr) * | 2005-05-18 | 2008-02-20 | Scheffer Coatings | Dispositif et procede de caracterisation optique de corps translucides et/ou opaques |
FR2887981B1 (fr) * | 2005-06-29 | 2008-02-29 | Alain Emile Pierre | Dispositif et procede de caracterisation optique de corps translucides et/ou opaques |
WO2007068056A1 (en) * | 2005-12-14 | 2007-06-21 | Grains Research And Development Corporation | Stain assessment for cereal grains |
US8735169B2 (en) | 2006-02-07 | 2014-05-27 | Stokes Bio Limited | Methods for analyzing agricultural and environmental samples |
US7998669B2 (en) | 2006-03-02 | 2011-08-16 | Monsanto Technology Llc | Automated contamination-free seed sampler and methods of sampling, testing and bulking seeds |
US8028469B2 (en) * | 2006-03-02 | 2011-10-04 | Monsanto Technology Llc | Automated high-throughput seed sampler and methods of sampling, testing and bulking seeds |
UA100968C2 (ru) * | 2006-03-02 | 2013-02-25 | Монсанто Текнолоджи Ллс | Способ семеноводства с использованием высокопроизводительного неразрушающего отбора проб из семян |
US20070240242A1 (en) * | 2006-04-06 | 2007-10-11 | Monsanto Technology Llc | Method for multivariate analysis in predicting a trait of interest |
MX2008012926A (es) * | 2006-04-06 | 2008-12-18 | Monsanto Technology Llc | Metodo para predecir una característica de interes. |
RU2009102660A (ru) | 2006-06-28 | 2010-08-10 | Монсанто Текнолоджи Ллс (Us) | Установка и способ сортировки мелких предметов |
BRPI0716839A2 (pt) * | 2006-09-15 | 2013-10-01 | Monsanto Technology Llc | mÉtodos para aumentar a capacidade de fermetaÇço de material vegetal para fornecer etanol |
WO2008124925A1 (en) * | 2007-04-12 | 2008-10-23 | University Of Manitoba | Fusarium detection method |
US20110079544A1 (en) * | 2009-10-01 | 2011-04-07 | Pioneer Hi-Bred International, Inc. | Method for sorting resistant seed from a mixture with susceptible seed |
US8452445B2 (en) | 2007-04-24 | 2013-05-28 | Pioneer Hi-Bred International, Inc. | Method and computer program product for distinguishing and sorting seeds containing a genetic element of interest |
BRPI0810540A2 (pt) * | 2007-04-24 | 2017-01-31 | Pioneer Hi Bred Int | método e programa informático para distinguir as sementes que contêm um elemento genético de interesse de uma amostra global |
US8459463B2 (en) * | 2007-04-24 | 2013-06-11 | Pioneer Hi-Bred International, Inc. | Method for sorting resistant seed from a mixture with susceptible seed |
BRPI0811990A2 (pt) * | 2007-05-31 | 2014-09-23 | Monsanto Technology Llc | Separador de semente |
GB0717967D0 (en) * | 2007-09-14 | 2007-10-24 | Cascade Technologies Ltd | Polarimetric hyperspectral imager |
WO2010042096A2 (en) * | 2007-09-19 | 2010-04-15 | Monsanto Technology Llc | Systems and methods for analyzing agricultural products |
US8375628B2 (en) | 2007-09-20 | 2013-02-19 | Kamterter Products, Llc | Seed testing method and apparatus |
BRPI0820561A2 (pt) * | 2007-11-13 | 2015-06-16 | Minch Malt Ltd | Método e aparelho para analisar e separar grão |
AR069385A1 (es) * | 2007-11-20 | 2010-01-20 | Monsanto Technology Llc | Sistema de obtencion de imagenes automatizadas para usar en la determinacion y/o cuantificacion de la presencia o infestacion de plagas en productos agricolas |
US8613158B2 (en) * | 2008-04-18 | 2013-12-24 | Ball Horticultural Company | Method for grouping a plurality of growth-induced seeds for commercial use or sale based on testing of each individual seed |
EA018818B1 (ru) * | 2008-06-27 | 2013-10-30 | Спектрум Сайнтифик Инк. | Удаление зараженных фузариозом зерен из зерновой культуры |
EP2140749A1 (en) * | 2008-07-04 | 2010-01-06 | Aarhus Universitet Det Jordbrugsvidenskabelige Fakultet | Classification of seeds |
DE102008033979B4 (de) | 2008-07-21 | 2018-06-14 | Hans Joachim Bruins | Messgerät und Verfahren zur Messung von Eigenschaften einer partikulären Probe |
BRPI0917276A2 (pt) * | 2008-08-22 | 2015-11-10 | Pionner Hi Bred International Inc | método de alto rendimento para a contagem de cabelos individuais de um ramo de cabelos de um ou mais pés de milho, método para obter uma amostra de cabelos individuais de um ramo de cabelos de um pé de milho, método para contar cabelos individuais de um ramo de cabelos de uma planta de milho, método de seleção de germoplasmas dentre uma série de plantas de milho diferentes e método para selecionar um genótipo da planta com base na quantificação de cabelos |
AR073120A1 (es) | 2008-08-22 | 2010-10-13 | Pioneer Hi Bred Int | Aparato, metodo y sistema automatizado de alto rendimiento para recubrir mazorcas de maiz |
US8284248B2 (en) * | 2009-08-25 | 2012-10-09 | Frito-Lay North America, Inc. | Method for real time detection of defects in a food product |
US8991098B2 (en) * | 2008-09-16 | 2015-03-31 | Basf Plant Science Gmbh | Method for improved plant breeding |
CA2688805C (en) | 2008-11-18 | 2013-07-02 | John F. Green | Method and apparatus for sorting heterogeneous material |
US9842252B2 (en) * | 2009-05-29 | 2017-12-12 | Monsanto Technology Llc | Systems and methods for use in characterizing agricultural products |
WO2011027315A1 (en) * | 2009-09-04 | 2011-03-10 | Moshe Danny S | Grading of agricultural products via hyper spectral imaging and analysis |
US8412419B1 (en) * | 2009-09-17 | 2013-04-02 | Helena Chemical Company | System for mapping GIS layers |
US7949241B2 (en) * | 2009-09-29 | 2011-05-24 | Raytheon Company | Anamorphic focal array |
JPWO2011055405A1 (ja) * | 2009-11-04 | 2013-03-21 | 株式会社ニレコ | 分光情報読み取り装置 |
US9464329B2 (en) | 2010-03-26 | 2016-10-11 | Monsanto Technology Llc | Portable systems and methods for amplifying nucleotides and detecting nucleotide sequences |
SE1000620A1 (sv) * | 2010-06-09 | 2011-12-10 | Umbio Ab | Förfarande för hyperspektral bildanalys i realtid |
BR112013001330B1 (pt) | 2010-07-20 | 2019-04-02 | Monsanto Technology Llc | Sistemas de retirada de amostra de semente e método automatizado para remover amostras de tecido de sementes |
CN103119449B (zh) | 2010-07-20 | 2015-05-13 | 陶氏益农公司 | 对免疫测定测试条梳状元件进行分析的***和方法 |
JP5317298B2 (ja) | 2010-09-08 | 2013-10-16 | 国立大学法人 香川大学 | 分光計測装置及び分光計測方法 |
GB201015791D0 (en) * | 2010-09-20 | 2010-10-27 | Syngenta Ltd | Improved method and machine for use thereof |
RU2454278C1 (ru) * | 2011-01-21 | 2012-06-27 | Открытое Акционерное общество "Российский Научно-исследовательский институт сельскохозяйственных приборов" (ОАО "РНИИ "Агроприбор") | Лабораторная установка для исследования, демонстрации процессов сушки, хранения и кондиционирования зерна (семян) |
CN102179375B (zh) * | 2011-03-09 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 一种基于近红外作物单籽粒成分无损检测筛选方法 |
US8605149B2 (en) | 2011-07-19 | 2013-12-10 | Ball Horticultural Company | Seed classification using spectral analysis to determine existence of a seed structure |
US9165189B2 (en) | 2011-07-19 | 2015-10-20 | Ball Horticultural Company | Seed holding device and seed classification system with seed holding device |
CN102354696B (zh) * | 2011-07-22 | 2013-05-01 | 上海奕瑞光电子科技有限公司 | X射线探测器 |
JP2013027341A (ja) * | 2011-07-27 | 2013-02-07 | Yanmar Co Ltd | コンバイン |
GB201113138D0 (en) * | 2011-07-29 | 2011-09-14 | Univ East Anglia | Method, system and device for detecting insects and other pests |
US8541743B2 (en) * | 2011-08-02 | 2013-09-24 | Roc8Sci Co. | Apparatus and method for detecting and quantifying analytes in solution |
US20130044207A1 (en) * | 2011-08-16 | 2013-02-21 | Key Technology, Inc. | Imaging apparatus |
CN102507485B (zh) * | 2011-10-18 | 2013-08-07 | 山东农业大学 | 彩色小麦籽粒色素含量无损检测方法 |
WO2013133171A1 (ja) * | 2012-03-05 | 2013-09-12 | 住友電気工業株式会社 | 種子選別方法及び種子選別装置 |
WO2013142187A1 (en) | 2012-03-19 | 2013-09-26 | Malaysian Palm Oil Board | Gene controlling shell phenotype in palm |
JP6088770B2 (ja) | 2012-04-20 | 2017-03-01 | 国立大学法人広島大学 | 穀粒成分分析装置および穀粒成分分析方法 |
EP2674746A1 (de) * | 2012-06-13 | 2013-12-18 | Bayer CropScience AG | Vorrichtung und Verfahren zur optischen Qualitätskontrolle der Beschichtung bzw. Befleckung eines körnigen Substrats |
US9335267B2 (en) * | 2012-07-09 | 2016-05-10 | The United States Of America As Represented By The Secretary Of The Army | Near-IR laser-induced vibrational overtone absorption systems and methods for material detection |
IE20120388A1 (en) * | 2012-09-07 | 2014-03-12 | Odenberg Engineering Ltd | Method and apparatus for handling harvested root crops |
EP2982949B1 (en) * | 2012-10-05 | 2020-04-15 | National University Corporation Kagawa University | Spectroscopic measurement device |
US9996745B2 (en) | 2012-11-19 | 2018-06-12 | Altria Client Services Llc | Blending of agricultural products via hyperspectral imaging and analysis |
KR101341815B1 (ko) | 2012-12-04 | 2014-01-06 | 대한민국 | 초분광 영상처리를 이용한 종자 선별 장치 |
CN103004322B (zh) * | 2012-12-26 | 2014-09-10 | 中国农业大学 | 一种玉米果穗性状检测装置 |
CN105121039A (zh) * | 2013-01-08 | 2015-12-02 | 先锋国际良种公司 | 用于分拣种子的***和方法 |
JP2015040818A (ja) * | 2013-08-23 | 2015-03-02 | 住友電気工業株式会社 | 穀物分類方法及び穀物分類装置 |
JP5632060B1 (ja) * | 2013-10-07 | 2014-11-26 | 佐鳥 新 | ハイパースペクトルカメラおよびハイパースペクトルカメラ用プログラム |
US9927364B1 (en) * | 2013-11-01 | 2018-03-27 | The United States Of America, As Represented By The Secretary Of Agriculture | Line-scan Raman imaging method and apparatus for sample evaluation |
CN103636315B (zh) * | 2013-11-20 | 2015-03-11 | 华南理工大学 | 一种基于高光谱的种子发芽率在线检测装置及方法 |
US9878842B2 (en) | 2013-12-23 | 2018-01-30 | Dow Agrosciences Llc | Plant imaging and spectral scanning system and method |
US9984200B2 (en) | 2014-05-02 | 2018-05-29 | Malaysian Palm Oil Board | Mantle phenotype detection in palm |
JP6288507B2 (ja) * | 2014-05-13 | 2018-03-07 | パナソニックIpマネジメント株式会社 | 食品分析装置 |
US10473585B2 (en) | 2014-06-16 | 2019-11-12 | Murphy Brown, Llc | Method and system for measuring a physical parameter of a particulate material |
US10186029B2 (en) | 2014-09-26 | 2019-01-22 | Wisconsin Alumni Research Foundation | Object characterization |
JP6487681B2 (ja) * | 2014-11-25 | 2019-03-20 | シャープ株式会社 | 計測装置、ネットワークシステム、計測方法およびプログラム |
WO2016145334A1 (en) * | 2015-03-12 | 2016-09-15 | Raytheon Company | Apparatus and processes for corn moisture analysis and pprediction of optimum harvest date |
US10019791B2 (en) * | 2015-07-24 | 2018-07-10 | Raytheon Company | Apparatus and methods for estimating corn yields |
WO2017055895A1 (en) * | 2015-09-30 | 2017-04-06 | Arcelormittal | Method of online characterization of a layer of oxides on a steel substrate |
CA3006474A1 (en) | 2015-12-10 | 2017-06-15 | Basf Plant Science Company Gmbh | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype |
RU2624705C1 (ru) * | 2016-01-12 | 2017-07-05 | Федеральное государственное бюджетное учреждение Научно-исследовательский институт проблем хранения Федерального агентства по государственным резервам | Способ определения анатомо-морфологических дефектов зерна и семян в партиях зерновых культур |
US11493385B2 (en) | 2016-01-12 | 2022-11-08 | University Of Florida Research Foundation, Incorporated | Portable spectrograph for high-speed phenotyping and plant health assessment |
US11002670B2 (en) * | 2016-01-29 | 2021-05-11 | Panasonic Intellectual Property Management Co., Ltd. | Device for observing water content, method for observing water content, and cultivation device |
US10690592B2 (en) | 2016-03-15 | 2020-06-23 | University Of Florida Research Foundation, Incorporated | Haploid seed classification using single seed near-infrared spectroscopy |
CN105830580B (zh) * | 2016-03-22 | 2018-07-06 | 北京农业信息技术研究中心 | 一种果穗图像信息获取装置及方法 |
CN106124427B (zh) * | 2016-04-12 | 2018-12-04 | 中国水稻研究所 | 一种适合加工成米线的专用水稻的理化筛选方法 |
US10197504B2 (en) | 2016-10-10 | 2019-02-05 | Altria Client Services Llc | Method and system of detecting foreign materials within an agricultural product stream |
WO2018111499A1 (en) * | 2016-12-15 | 2018-06-21 | Gemological Institute Of America (Gia) | Device and method for screening gemstones |
BR112019018200B1 (pt) * | 2017-03-03 | 2024-02-20 | Pioneer Hi-Bred International, Inc | Método para medir a quantidade de um sucrosil-oligossacarídeo,método para medir estaquiose, método para processar sementes de soja geneticamente modificadas |
ES2684855B1 (es) * | 2017-03-31 | 2019-08-09 | Arboreto S A T Ltda | Equipo de inspeccion para la clasificacion o discriminacion automatizada de almendras en funcion de la concentracion de amigdalina y procedimiento de inspeccion |
AT519918B1 (de) * | 2017-04-21 | 2020-12-15 | Insort Gmbh | Verfahren zur Detektion der Ranzigkeit von Ölfrüchten, Samen und Nüssen |
CN108931483A (zh) * | 2017-05-25 | 2018-12-04 | 中科遥感(深圳)卫星应用创新研究院有限公司 | 农产品谱纹库及查询*** |
CL2017002192A1 (es) * | 2017-08-29 | 2018-04-06 | Univ Catolica Del Maule | Método de estimación de aceite de olivas individuales en base a tecnologías no destructivas. |
US10740893B2 (en) * | 2017-09-05 | 2020-08-11 | Vibe Imaging Analytics Ltd. | System and method for automated grain inspection and analysis of results |
EP3480582A1 (en) | 2017-11-01 | 2019-05-08 | Bühler UK Limited | Inspection apparatus and method |
US11673166B2 (en) | 2018-03-14 | 2023-06-13 | Monsanto Technology Llc | Seed imaging |
WO2019201786A1 (en) | 2018-04-20 | 2019-10-24 | Bühler Uk Limited (Bukl) | Optical Inspection and Sorting Machine, and Corresponding Method Thereof |
MX2020013129A (es) * | 2018-06-11 | 2021-02-18 | Monsanto Technology Llc | Seleccion de semillas. |
RU2693334C1 (ru) * | 2018-07-02 | 2019-07-02 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный аграрный университет имени И.Т. Трубилина" | Способ определения качества очистки семян масличных культур для селекции |
CN111665221A (zh) * | 2019-03-08 | 2020-09-15 | 中国科学院长春光学精密机械与物理研究所 | 基于透射光谱检测种子活力的装置及其使用方法 |
US11976972B2 (en) * | 2019-05-21 | 2024-05-07 | Ohio State Innovation Foundation | Portable spectrometer system and methods for determining nutritional and quality traits |
US11448594B1 (en) | 2019-06-10 | 2022-09-20 | Centaur Analytics, Inc. | System and method for post-harvest crop quality and traceability based on near-infrared spectroscopy, environmental, and gas sensors |
DE102019123479B3 (de) * | 2019-09-02 | 2020-11-26 | LuxFlux GmbH | Analyse und Qualitätskontrolle von Lebensmitteln |
CA3161571A1 (en) * | 2019-12-04 | 2021-06-10 | Monsanto Technology Llc | Combine harvesters for use in harvesting corn, and related methods |
KR102274798B1 (ko) * | 2019-12-09 | 2021-07-09 | 대한민국(농촌진흥청장) | 종자의 배수체 및 반수체 판별방법, 이를 구현하는 판별 시스템 |
WO2021191770A1 (en) * | 2020-03-26 | 2021-09-30 | Tata Consultancy Services Limited | System and method of detecting concentration of plurality of chemical residue in an agricultural produce |
RU2765841C1 (ru) * | 2021-06-07 | 2022-02-03 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" | Способ комплексного отслеживания сезонных изменений растений |
RU2765842C1 (ru) * | 2021-06-07 | 2022-02-03 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" | Приспособление для комплексного отслеживания сезонных изменений растений |
RU207144U1 (ru) * | 2021-06-07 | 2021-10-14 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" | Устройство для контроля и фиксации размеров растений в период их роста |
RU206519U1 (ru) * | 2021-06-07 | 2021-09-14 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" | Устройство для измерений сезонного роста растений |
RU206755U1 (ru) * | 2021-06-07 | 2021-09-27 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет" | Устройство для фиксации сезонного роста растений |
CN114235723B (zh) * | 2021-11-04 | 2024-04-02 | 福建师范大学 | 一种水果内在品质的无损测量方法及终端 |
US11614361B1 (en) * | 2021-12-23 | 2023-03-28 | Optiz, Inc. | Hyperspectral camera |
CN114486772A (zh) * | 2021-12-29 | 2022-05-13 | 中国烟草总公司郑州烟草研究院 | 卷烟产品的重金属检测设备及检测方法 |
JP2023125301A (ja) * | 2022-02-28 | 2023-09-07 | 国立大学法人九州大学 | 粒子の質量の非接触測定方法及び装置 |
JP2023137889A (ja) * | 2022-03-18 | 2023-09-29 | 株式会社トプコン | 穀物成分センサ及び穀物成分分析装置 |
CN115069329B (zh) * | 2022-06-14 | 2023-09-29 | 广西壮族自治区农业科学院 | 一种低世代水稻整精米率选择方法 |
WO2024040292A1 (en) * | 2022-08-24 | 2024-02-29 | Surenut Pty Ltd | Improved method for classification of an edible seed and a scanning device therefor |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US1850372A (en) | 1929-07-05 | 1932-03-22 | Cincinnati Grinders Inc | Grinding machine |
US4037970A (en) | 1972-08-24 | 1977-07-26 | Neotec Corporation | Optical analyzer for agricultural products |
US3861788A (en) | 1972-08-24 | 1975-01-21 | Neotec Corp | Optical analyzer for agricultural products |
US4040747A (en) | 1972-08-24 | 1977-08-09 | Neotec Corporation | Optical analyzer for agricultural products |
US4260262A (en) | 1978-11-28 | 1981-04-07 | Neotec Corporation | Grain quality analyzer |
US4713781A (en) * | 1985-09-19 | 1987-12-15 | Deere & Company | Grain damage analyzer |
JPS6311841A (ja) | 1986-03-20 | 1988-01-19 | Satake Eng Co Ltd | 米の食味評価装置 |
US4734584A (en) | 1986-09-16 | 1988-03-29 | Trebor Industries, Inc. | Quantitative near-infrared measurement instrument for multiple measurements in both reflectance and transmission modes |
SE468334B (sv) | 1991-04-23 | 1992-12-14 | Peter Perten | Saett och anordning foer infraroedanalys, speciellt avseende livsmedel |
US5132538A (en) | 1991-05-24 | 1992-07-21 | Nirsystems Incorporated | Measuring percentage of protein in whole grain samples |
DE69324557T2 (de) * | 1992-12-31 | 1999-09-23 | Zellweger Uster, Inc. | Kontinuierliche zweidimensionale Überwachung von dünnem Gewebe textilen Materials |
GB9313975D0 (en) * | 1993-07-06 | 1993-08-18 | Sandoz Ltd | Improvements in or relating to organic compounds |
CN2174687Y (zh) * | 1993-09-27 | 1994-08-17 | 南京理工大学 | 便携式农作物长势监测装置 |
US5475221A (en) | 1994-05-11 | 1995-12-12 | Brimrose Corporation Of America | Optical spectrometer using light emitting diode array |
DK171153B1 (da) | 1995-02-10 | 1996-07-01 | Slagteriernes Forskningsinst | Fremgangsmåde og anlæg ved blanding af et uensartet, strømningsdygtigt fødevare-, foder- eller farmaceutisk materiale samt indretning til udtagelse afprøver |
DK171927B1 (da) | 1995-02-10 | 1997-08-11 | Slagteriernes Forskningsinst | Fremgangsmåde og apparat til bestemmelse af partikelstørrelsen af et fødevare- eller fodermateriale |
US5668374A (en) | 1996-05-07 | 1997-09-16 | Core Laboratories N.V. | Method for stabilizing near-infrared models and determining their applicability |
US6100526A (en) | 1996-12-30 | 2000-08-08 | Dsquared Development, Inc. | Grain quality monitor |
US5751421A (en) | 1997-02-27 | 1998-05-12 | Pioneer Hi-Bred International, Inc. | Near infrared spectrometer used in combination with a combine for real time grain analysis |
US5991025A (en) | 1997-02-27 | 1999-11-23 | Pioneer Hi-Bred International, Inc. | Near infrared spectrometer used in combination with an agricultural implement for real time grain and forage analysis |
DE69837916T2 (de) | 1997-04-03 | 2008-02-28 | DeKalb Genetics Corp., DeKalb | Verwendung von glyphosat-resistente maislinien |
US6313328B1 (en) | 1999-02-11 | 2001-11-06 | Cargill, Incorporated | Extraction of corn oil from flaked corn grain |
JP2000245260A (ja) * | 1999-03-02 | 2000-09-12 | Satake Eng Co Ltd | 穀類の品質推定方法及びその装置 |
AU5043000A (en) | 1999-05-24 | 2000-12-12 | Iowa State University Research Foundation Inc. | Near infrared spectroscopy system and method for the identification of genetically modified grain |
SE0001967D0 (sv) | 2000-05-25 | 2000-05-25 | Torbjoern Lestander | Single seed sortation |
-
2000
- 2000-10-30 US US09/698,214 patent/US6646264B1/en not_active Expired - Lifetime
-
2001
- 2001-10-26 EP EP01989302.3A patent/EP1332354B1/en not_active Expired - Lifetime
- 2001-10-26 JP JP2002549945A patent/JP2004515778A/ja not_active Withdrawn
- 2001-10-26 ES ES01989302T patent/ES2431955T3/es not_active Expired - Lifetime
- 2001-10-26 CN CNB018216080A patent/CN100392376C/zh not_active Expired - Lifetime
- 2001-10-26 UA UA2003054962A patent/UA79083C2/uk unknown
- 2001-10-26 BR BRPI0115054-5A patent/BRPI0115054B1/pt unknown
- 2001-10-26 WO PCT/US2001/051007 patent/WO2002048687A2/en active Search and Examination
- 2001-10-26 CA CA2426933A patent/CA2426933C/en not_active Expired - Lifetime
- 2001-10-26 MX MXPA03003819A patent/MXPA03003819A/es active IP Right Grant
- 2001-10-26 BR BR0115054-5A patent/BR0115054A/pt active IP Right Grant
- 2001-10-26 PL PL01362509A patent/PL362509A1/xx unknown
- 2001-10-26 RU RU2003116064/28A patent/RU2288461C2/ru active
- 2001-10-26 HU HU0302495A patent/HUP0302495A3/hu unknown
- 2001-10-26 AU AU2002243407A patent/AU2002243407A1/en not_active Abandoned
- 2001-10-30 AR ARP010105080A patent/AR031284A1/es active IP Right Grant
-
2003
- 2003-04-29 NO NO20031925A patent/NO20031925L/no unknown
- 2003-04-29 ZA ZA200303298A patent/ZA200303298B/en unknown
- 2003-05-23 BG BG107842A patent/BG107842A/bg unknown
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102072883A (zh) * | 2010-07-07 | 2011-05-25 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102072883B (zh) * | 2010-07-07 | 2013-03-13 | 北京农业智能装备技术研究中心 | 农作物种子综合品质检测装置及方法 |
CN102706813A (zh) * | 2012-05-31 | 2012-10-03 | 北京林业大学 | 基于高光谱图像的草地早熟禾品种识别方法 |
CN102706813B (zh) * | 2012-05-31 | 2014-03-26 | 北京林业大学 | 基于高光谱图像的草地早熟禾品种识别方法 |
CN106053342A (zh) * | 2015-04-06 | 2016-10-26 | 株式会社佐竹 | 谷粒品级判别装置以及该装置的来自谷粒的光的受光方法 |
CN106394883A (zh) * | 2015-07-08 | 2017-02-15 | 霍尼韦尔国际公司 | 使用受控光源技术在自由空间中的准确的目标探测 |
CN105284240A (zh) * | 2015-10-30 | 2016-02-03 | 山东省农作物种质资源中心 | 种子籽粒颜色分辨台及分辨方法 |
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN109983320A (zh) * | 2016-06-09 | 2019-07-05 | 美国陶氏益农公司 | 使用ftir进行植物性状检测和性状基因渗入的方法和*** |
CN106610377A (zh) * | 2016-11-14 | 2017-05-03 | 北京农业信息技术研究中心 | 种子光谱检测方法和*** |
CN106610377B (zh) * | 2016-11-14 | 2019-11-15 | 北京农业信息技术研究中心 | 种子光谱检测方法和*** |
CN109738438B (zh) * | 2018-12-29 | 2021-07-23 | 扬州大学 | 一种小麦叶片衰老程度快速测量方法 |
CN110118731A (zh) * | 2019-05-27 | 2019-08-13 | 安徽省农业科学院烟草研究所 | 利用光学照度计无损快速鉴定全粉质、蜡质玉米种质的方法 |
CN110411895A (zh) * | 2019-08-14 | 2019-11-05 | 甘肃省农业科学院马铃薯研究所 | 马铃薯容重测定方法及其在快速测定马铃薯淀粉含量和干物质含量中的应用 |
CN114088622A (zh) * | 2021-09-23 | 2022-02-25 | 昆明理工大学 | 一种近紫外激光诱导叶绿素荧光的水体藻类浓度检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2004515778A (ja) | 2004-05-27 |
WO2002048687A8 (en) | 2003-09-18 |
US6646264B1 (en) | 2003-11-11 |
CA2426933C (en) | 2012-01-24 |
ZA200303298B (en) | 2004-07-29 |
RU2003116064A (ru) | 2005-02-20 |
BG107842A (bg) | 2004-01-30 |
ES2431955T3 (es) | 2013-11-28 |
BRPI0115054B1 (pt) | 2018-05-15 |
CN100392376C (zh) | 2008-06-04 |
AR031284A1 (es) | 2003-09-17 |
UA79083C2 (en) | 2007-05-25 |
PL362509A1 (en) | 2004-11-02 |
RU2288461C2 (ru) | 2006-11-27 |
HUP0302495A3 (en) | 2006-02-28 |
NO20031925L (no) | 2003-06-26 |
CA2426933A1 (en) | 2002-06-20 |
AU2002243407A1 (en) | 2002-06-24 |
HUP0302495A2 (hu) | 2003-10-28 |
EP1332354B1 (en) | 2013-08-21 |
WO2002048687A2 (en) | 2002-06-20 |
NO20031925D0 (no) | 2003-04-29 |
WO2002048687A3 (en) | 2002-07-25 |
EP1332354A2 (en) | 2003-08-06 |
MXPA03003819A (es) | 2004-04-20 |
BR0115054A (pt) | 2003-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100392376C (zh) | 分析农产品的方法和装置 | |
Ambrose et al. | High speed measurement of corn seed viability using hyperspectral imaging | |
Weinstock et al. | Prediction of oil and oleic acid concentrations in individual corn (Zea mays L.) kernels using near-infrared reflectance hyperspectral imaging and multivariate analysis | |
Agelet et al. | Limitations and current applications of Near Infrared Spectroscopy for single seed analysis | |
Yang et al. | Rapid and visual detection of the main chemical compositions in maize seeds based on Raman hyperspectral imaging | |
US20120092663A1 (en) | Transmission raman spectroscopy analysis of seed composition | |
Spielbauer et al. | High‐throughput near‐infrared reflectance spectroscopy for predicting quantitative and qualitative composition phenotypes of individual maize kernels | |
Tigabu et al. | Discrimination of viable and empty seeds of Pinus patula Schiede & Deppe with near-infrared spectroscopy | |
US10690592B2 (en) | Haploid seed classification using single seed near-infrared spectroscopy | |
Fernandes et al. | Automatic discrimination of grapevine (Vitis vinifera L.) clones using leaf hyperspectral imaging and partial least squares | |
Fu et al. | Nondestructive phenotyping fatty acid trait of single soybean seeds using reflective hyperspectral imagery | |
Lee et al. | Application of nondestructive measurement to improve soybean quality by near infrared reflectance spectroscopy | |
Dowell et al. | An automated near‐infrared system for selecting individual kernels based on specific quality characteristics | |
Mat et al. | Prediction of sugarcane quality parameters using visible-shortwave near infrared spectroradiometer | |
Phuangsombut et al. | Nondestructive classification of mung bean seeds by single kernel near-infrared spectroscopy | |
Rathna Priya et al. | Characterising corn grain using infrared imaging and spectroscopic techniques: a review | |
CN109073546A (zh) | 用于检测谷物中霉菌毒素的存在的方法和设备 | |
Jespersen et al. | Cereals and cereal products | |
AU2016368598A1 (en) | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype | |
KAHRIMAN et al. | Development of a calibration model to estimate quality traits in wheat flour using NIR (Near Infrared Reflectance) spectroscopy | |
JP3947819B2 (ja) | 光学的手法を用いた植物個体の選別方法 | |
Venkatesan et al. | Role of near-infrared spectroscopy in seed quality evaluation: A review | |
KR101922448B1 (ko) | 근적외선 분광기를 이용한 이탈리안 라이그라스 및 페러니얼 라이그라스 종자의 초종판별 방법 | |
Sidhu et al. | Diode Array Near Infrared Spectrometer Calibrations for Composition Analysis of Single Plant Canola (Brassica napus) Seed | |
Flores et al. | Non-destructive prediction of paddy seed quality using near infrared spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term | ||
CX01 | Expiry of patent term |
Granted publication date: 20080604 |