1800年，Herschel首次发现近红外谱区[1]，但是由于当时受技术条件所限，未能将近红外谱区应用于实践，无法解析近红外谱区的具体信息。Norris等于20世纪60年代对农产品水分含量进行测试时使用了近红外光谱分析技术，并取得了较好的效果。此后，该技术逐渐应用于农业研究领域中，并用来分析测定谷物中各种成分，如灰分、纤维素、淀粉、蛋白质、脂肪等[2]。20世纪80年代后，随着化学计量学科以及数字化技术的发展，红外光谱分析相关技术也获得了飞速发展，经历了棱镜分光、滤光片分光、光栅分光、干涉分光技术的发展与应用，例如在众多领域中逐渐开始运用高性能计算机的傅里叶变换近红外光谱仪[3]，其优势为对数据信息的处理分析功能极强。该技术在实践运用中的优势包括成本低、无污染、技术稳定性高、便于操作等，正是基于这些优点，使其在诸多领域中带来了更高的经济效益，包括化工、医药、食品、畜牧业等[4]。
近红外光谱技术是一种利用物质对近红外区域光波的吸收特性来分析和鉴定物质组成和结构的技术。这项技术基于物质分子中的C-H、N-H、O-H等官能团对近红外光的吸收特性。通过分析种子样本对近红外光的吸收和散射，可以获取种子内部化学成分和结构信息，进而评估其活力和品质。1998年，McDonald强调了种子质量评估的重要性，并提出在种子质量检测中引入近红外光谱技术。这一研究为后续的科学探索和技术应用奠定了基础[5]。由于对种子质量进行检测时，种子内部生理指标会发生改变，因此，可通过测试其分光反射率或吸收率来进行分析，测试过程中能够看到特定波长时这两个参数对应的峰值，将该技术运用于种子质量测试能够获得有效的检测结果。相比于传统的种子活力检测方法，近红外光谱技术检测过程中样品不会因为检测而导致结构被破坏。同时，该检测技术也满足低成本、高效率的要求，近年来在国内外应用广泛。
1 种子品种鉴别
由于不同品种种子遗传特性不同，在实际生产应用中表现出来的各种指标也会有所不同。进行种子品种鉴定能保证种子的品质与产量。传统的分子标记法、生化鉴定法、常规鉴定法等方法历经多年的实践应用，虽然带来了一定的效益，但是随着现代先进技术的运用，这些方法的弊端逐渐凸显出来，主要表现在鉴定效率低、准确率低、受环境影响明显、仅能对部分形状进行鉴定等方面。生化鉴定法也是一种较为成熟的种子品种鉴别方法，但仅适用于个别品种鉴定，因此，其适用性具有较大的局限性。分子标记法的实践应用相对较少，这种方法仅是一种研究方法，包括简单重复序列(SSR)、增片段长度多态性(AFLP)、限制性片段长度多态性(RFLP)等[6]。近红外光谱技术在种子品种鉴别中能够产生较大的实践价值，该方法基于自身优势，正在逐渐取代传统的鉴定技术，由于种子种类的差异，导致不同种子存在化学成分和含量上的差异，利用这种差异，将检测样品置于特定波长下得到不同的光谱数据，再针对所得光谱数据进行分析，构建相应的校正模型，即能够对不同种子品种进行准确高效的鉴定。
Esteban-Díez等[7]通过NIRS对35种咖啡样品的某些关键感官属性和原始烘焙咖啡的近红外光谱之间的关系进行了研究；何勇等[8]基于NIRS技术，结合主成分分析方法建立3层BP神经网络模型对苹果品种进行预测，预测准确率达到100%；朱大洲等[9]对单粒大豆的近红外光谱特征进行了研究，结合软独立建模分类法(SIMCA)建立定性分析模型，对研究中选取的两种种子的品种预测准确率达到100%；高峰等[10]采集6种杏的光谱数据并进行多种建模，结果表明，基于VIS/NIR范围光谱结合主成分分析和线性判别法可以实现杏品种的快速无损鉴别。
以上分析结果表明，近红外光谱技术可以有效识别同种类种子的不同品种，无损实现品种的快速鉴别分析。
2 种子水分测定
已有的种子水分测定方法较多，红外线加热法、甲苯蒸馏法、烘干减重法等均属于传统测定方法[11]。一般利用烘箱法烘干待测种子后计算减重百分率来进行种子水分测定。
林卫红等[12]研究了80份油菜种子样品在2种水分(7%～8%和4%～5%)含量条件下一些物质的变化情况，例如二十碳烯酸、亚油酸、硬脂酸、蛋白质、含油率等指标，测定结果发现，这些指标会随着种子水分含量的降低而表现为含量升高，而棕榈酸和油酸表现为含量降低。杨传得等[13]对116份花生进行研究，研究过程中构建了一种近红外模型用以测定大花生水含量，该模型的构建运用的技术包括偏最小二乘法、NIRS技术，分析结果较好。李丹清等[14]结合近红外光谱技术建立白花蛇舌草种子水分含量快速测定的检测方法，研究中构建了水分定量分析模型，该模型的构建运用了偏最小二乘法，能够有效检测出种子水分含量。刘秀英等[15]利用近红外光谱技术分析156种油用牡丹种子的光谱特征，结果表明，针对油用牡丹种子水分含量的测定，可先构建一个用于测试的偏最小二乘回归模型，该模型能够直接测试经吸收光谱标准化处理的油用牡丹种子，测试效果较好，测试结果准确。
以上分析结果表明，近红外光谱技术可以有效测定种子水分，也可分析种子中成分变化和种子水分变化的关系。
3 种子发芽率检测
种子质量优劣还需考量种子发芽率这一重要指标，检测过程中，首先进行种子发芽培养，一般在培养箱中培养7～14 d，然后计算发芽种子数占种子总数的百分比。NIRS技术也可用于这一指标测试中，具体方法为构建回归模型，该回归模型的分析参数为近红外吸收光谱、种子标准发芽率，据此分析二者关系，能够有效提高检验效率。
目前大部分研究表明，种子硬实率检测是种子发芽率检测的主要研究内容。种子休眠是硬实种子的主要表现，产生这一生物现象的原因为胚生长受限、种皮透水透气性差[16]。以豆科植物种子为例，与非硬实种子相比，硬实种子出苗整齐度低，同时，内部表现出较高的活力和耐储藏力。已有研究发现，大豆非硬实种子与硬实种子相比，其可保存的期限更短，生活力在两年后即会失去，而室温下的硬实种子存储4年仍未失去其生活力，能够达到90%以上的发芽率[17]，因此，可通过对种子硬实特性进行检测来分析其发芽率情况。实践中需要通过浸种法来进行分析，否则无法从外观上区分非硬实种子和硬实种子[16]，虽然将种子浸泡24 h可根据外观来区分非硬实种子和硬实种子，但是无法迅速分析原始状态下两种种子之间的差异。区分非硬实种子和硬实种子可以引入近红外光谱技术，据此获得未改变原始状态的豆科作物硬实种子，并针对其进行特性研究。
孙群等[18][19]通过构建鉴定模型来对乌拉尔甘草种子硬实特性进行研究，该模型构建的基础为偏最小二乘法、NIRS技术，同时，该方法还探究了硬实率近红外分析模型与光谱范围、主成分数之间的关系，研究发现，建模光谱在5 000～6 000 cm-1、主成分数为6的条件下构建的鉴定模型预测值与真实值拟合度高，校正模型与预测模型准确率都在90%以上。朱丽伟等[20]对3种硬实种子运用了上述测试方法，分别为大豆种子、决明子、苦豆子，主成分数分别设置为8、4、8，光谱范围分别为4 000～5 000 cm-1、4 000～8 000 cm-1、4 000～8 000 cm-1，最终测得的检验集和建模集鉴别率为85%、90%、95%。
以上分析结果表明，在单粒种子硬实特性测定中引入近红外光谱技术能够取得较好的检测结果，同时，还需深入研究种子标准发芽率的检测。
4 种子活力检验
在农业生产和种子科学领域，发芽率、生长速度、结实率等均会受到种子活力影响。而遗传因素、生理状态、种子新鲜度等则会影响种子活力，种子活力可根据发芽率来监测。发芽指数测定、活力指数测定、电导率测定、复合逆境测定、抗冷测定、平均发芽时间测定等均能够对种子活力进行检测。但由于存在主观因素影响，以上种子质量检测方法的结果一般具有较大差异，检测准确度较低，实际生产中运用受限[21]。
齐星炜[22]对大豆种子(经人工老化处理)活力进行检验，其检测方法运用了PCA与马氏距离模式识别方法、近红外光谱法。主成分数11个、4种活力水平，得出4种不同老化时间的种子的活力还是存在差异的结论；主成分数6～10个、3种活力水平，发现样本的聚合度不够高，投影比较分散，可能导致误判；主成分数2～7个、2种活力水平，发现经过标准归一化的预处理校正后，可以实现对光谱采集过程中的影响因素的过滤和消除，精准区分了不同活力水平的大豆种子样品。
赵冰等[23]对甜玉米种子活力进行研究，首先收集透射、反射模式下所对应的近红外光谱，剔除其中的异常值，构建基于偏最小二乘法的预测模型，其中运用了变量选择、预处理方法，并针对所得透射光谱进行分析，研究发现，种子活力测试通过透射模块光谱采集能够获得较好的研究成果。
徐荣等[24]对肉苁蓉种子进行研究，研究过程中对不同处理以及部位条件的肉苁蓉种子所对应的光谱特征吸收情况进行组间比较，结果发现种子活力可依据蛋白质、脂类吸收峰高来衡量，该研究中运用的技术为傅里叶变换红外光谱法(FTIR)，说明该技术可用于复杂混合体系物质组成成分分析比较。
以上分析表明，近红外光谱分析技术可以有效检验种子活力，区分不同活力等级的种子。
5 小结
NIRS技术在鉴定种子品种、水分、发芽率、活力等方面的应用愈发广泛。种子质量检测NIRS技术应用的国内研究资料相对较少，尚未能投入实际生产中。应在已有研究的基础上，进一步扩大研究范围，逐步完成多种种子模型特征数据库的构建与完善。在测试方法的研究上，可以考虑将图像识别法和NIRS检测法结合，在此基础上，逐步实现可用于生产实践的种子自动识别检测系统构建。同时，应考虑使用成本，研发低成本近红外光谱仪，构建科学、高效、便于携带和使用的完善系统。