综述：基于混合光谱与CARS-SPA耦合算法的玉米种子水分近红外定量模型

本研究提出一种结合双面混合光谱与稳定变量选择算法（CARS-SPA）的近红外光谱（NIRS）技术，实现了玉米单籽粒水分含量（MC）的快速（260 ms/粒）、无损、高精度检测（RP=0.976±0.004，RMSEP=1.284±0.021，RPD=4.416±0.072），为便携式检测设备开发提供关键技术支撑。

　　

研究背景与技术挑战

水分含量（MC）是影响玉米种子品质与贮藏稳定性的核心指标。传统检测方法存在破坏样本、效率低下等问题，近红外光谱（NIRS）技术虽具备无损检测潜力，但单侧测量（仅胚乳或胚部）易导致信息缺失，且波长选择稳定性不足制约了模型精度与泛化能力。

创新策略：混合光谱与算法耦合

本研究突破性地采用双表面混合光谱采集策略，同步获取玉米籽粒胚部与胚乳表面的光谱信息，显著提升了光谱表征完整性。针对波长选择不稳定问题，提出将竞争性自适应重加权采样（CARS）与连续投影算法（SPA）耦合，构建CARS-SPA变量选择框架，从全光谱中稳定提取出7个最具代表性的特征波长。

模型性能与检测效率

基于7个最优波长建立的CARS-SPA预测模型展现出卓越性能：预测相关系数R_P达0.976±0.004，预测均方根误差（RMSEP）为1.284±0.021，相对分析误差（RPD）高达4.416±0.072，显著优于传统全光谱模型。单籽粒检测速度提升至260毫秒，兼顾了高精度与高效率。

技术应用前景

该研究为单籽粒水分快速无损检测提供了标准化分析框架，特征波长的大幅缩减极大降低了硬件开发成本，推动了便携式NIRS检测设备在农业品质控制、智能仓储等工业场景的实际应用。