前人对植物种子的研究一般着重于粒重容重粒长宽与粒厚体积与密度色彩与光泽等数量性状( 特征) 这些特征一般来自人工考察，获取速度慢费工费时，制约了种子检验的效率; 近年发展起来的现代近红外光谱分析技术因其具备快速高效无损等特点，开始成为品种识别的一个新兴手段 具有检测速度快鉴别能力强重复性高可大批量检测等优势，近红外光光谱分析技术作为一种高度自动化的智能采集技术，和生物化学技术与分子技术一样，成为国际植物新品种保护联盟( UPOV) 认可的植物DUS测试新技术，受到普遍关注。
种子作为玉米最重要的植物器官，其特征不管在外部还是在内部都表现出品种间的差异性，这使得无损检测技术可以作为有效鉴别种子的重要手段，在基于外观的图像种子检验方面，赵春明等韩仲志等提取了玉米种子的数十个特征，借助软件，证实了图像技术在玉米种子检验过程的重要性，韩仲志等深入地探讨了在品种识别过程中的关键特征的提取，得出了较好的结论 然而这些方法由于受到可见光成像的限制并不能深入种子内部，而近红外的分析方法能在一定程度上解决这个问题，郭婷婷等利用近红外光谱和仿生模式识别的方法研究了玉米的品种识别，虽然均达到了较高的识别率，但由于光谱设备造价较高，其应用受到一定的限制 在玉米的产地识别方面目前研究较少，仅有的研究也是基于元素分析的方法，检测速度慢，代价大。其中的一些遗传因素和环境因素必然反映在近红外光谱特征上，从而能够鉴别不同的品种，由于基因型与环境的相互作用，那么同一个品种不同产地，必然表现出不同的光谱特征。
试验材料
所有玉米种子样品均来自青岛农业大学农学院种质资源库( 见表1) ， 玉米成熟后收获，风干后保存所有样品扫描前40℃烘干72h，样品盛放在统一尺寸的玻璃杯中。
使用的仪器为: MATＲIX傅里叶红外光谱仪: 德国布鲁克，检测波谱范围: 12000～4000cm－1，分辨率:1．928nm 原始光谱共有4148个数据点 不同组合共扫描次数224次。
每个品种取8份样品( 测试3批数据，光谱名称首位1～3) ， 对每个样品重复测试2次( 光谱材料末尾1～2) 光谱文件的命名法则: ＜1个字符长度的批次＞+＜2个字符长度的代补码＞+＜1个字符长度的重装样次序＞，扫描的文件名由4位构成，其中spectra首位批次末位重复测定中间2位品种及产地，如图谱文件:3b11．csv，表示第3个批次品种代码为b( 浚单) 产地补码为1( 武威) 第2次测量测量编号第1次编号为0。
方法
主成分分析: 近红外光谱数据的维数很高，直接根据高维数据建立分类模型，无论从模型性能还是计算复杂度来看都是不合适的建模前我们对预处理后的光谱数据进行了主成分分析 建立主成分空间时仅使用训练样本的光谱数据，不使用任何测试样本，得到转换矩阵后，再将测试样本的原始光谱数据投影到主成分空间 由于本试验所提取的特征数量较大，且特征间往往存在着相关关系，那么基于PCA方法能从最小均方误差寻找最优正交映射，进一步压缩数据维数，提高了运算效率。
结论及讨论
不管是对品种还是对产地的识别ANN模型和SVM模型均达到了较好的效果，整体性能上，SVM模型具有更好的试验结果; 究其原因是由于神经网络的初始权值是系统随机给出，性能上不太稳定，并且神经网络隐含层神经元的数目确定目前没有可借鉴的方法。 支持向量机模型在小样本分析时表现出更好的优越性。
可见，玉米籽粒所反映出的近红外光谱数据均能够较好的进行品种识别和产地的检测，识别效果较好，与基于可见光的图像处理的识别效果相当，均能够在前10个主分量情况下达到较好的识别效果从识别性能上看，识别率均能到达90%以上，基本符合理论与实践的需求。
本研究探讨了基本研究探讨了基于近红外光谱的玉米品种和产地识别方法，由于近红外光谱反映了部分品种的内部信息，在检测波谱范围: 12000～4000cm－1，分辨率:1．928nm 原始光谱共有4148个数据点的情况下利用ANN和SVM模型得到了与外观图像识别相媲美的试验结果，但不得不说明，在识别过程中数据采样点比较大，每条光谱数据达到了4000多个数据点，付出的代价比较大，由于光谱数据量大，所以进行有效的特征选择是必要的。
本研究进行了基于玉米籽粒近红外光谱的品种与产地识别研究 利用近红外光谱仪测定不同品种和不同产地玉米，对近红外光谱进行主成分特征数据提取，比较了神经网络( ANN) 和 支 持 向 量 机( SVM) 所建模型识别不同品种和不同产地玉米的效果，是对识别不同品种和不同产地玉米的有益尝试，研究结果对于玉米籽粒快速检测和品种认定具有促进作用。
参考文献：
［1］韩仲志，赵友刚，杨锦忠． 应用籽粒ＲGB图像的独立分量检测玉米胚部特征［J］． 农业工程学报，2010，26( 3) :222－226
［2］韩仲志，赵友刚． 基于图像处理的花生品质检测研究［J］．中国农业科学，2010，43( 18) :3882－3891
［3］韩仲志，赵友刚． 利用花生荚果图像特征识别品种与检验种子［J］． 作物学报，2012，38( 3) :535－540
［4］韩仲志，杨锦忠，李言照． 基于图像处理的玉米品种识别影响因素研究［J］中国粮油学报，2012，27( 10) ， 98－103
［5］郭婷婷，邬文锦，苏谦，等． 近红外玉米品种鉴别系统预处理和波长选择方法［J］． 农业机械学报，2009，S1:87－92
［6］郭婷婷，王守觉，王红武，等． 实用化商品玉米籽粒的近红外光谱品种判别方法研究［J］． 光谱学与光谱分析，2010( 9) :2372－2376
［7］王方，王伟，张春娅，等． 赤霞珠干红葡萄酒产地识别的研究［J］． 中外葡萄与葡萄酒，2008( 1) :4－7
