近日，中科院合肥研究院智能所作物品质智能感知团队发展了一种近红外光谱技术方向的新算法，该算法适用于高通量鉴定作物品种的真实性。相关工作被《红外物理与技术》接收并在线发表。

作物品种真实性在品种保护及品种选育方面具有重要意义，传统的作物品种真实性鉴定方法如DNA分子鉴定、同工酶鉴定、田间鉴定等方法存在操作复杂、检测结果耗时、损伤样品、污染环境、结果滞后等缺点，急需一种快速有效的方法实现作物品种真实性鉴定。近红外光谱是一种快速无损检测技术，基于近红外光谱仪开发的光谱采集系统，可实现高通量采集作物单籽粒光谱。近年来，由于人工智能和深度学习的快速发展，卷积神经网络（CNN）已逐渐应用于分子光谱学，相比于传统的化学计量学算法，卷积神经网络在识别方面表现出更高的准确性，这为近红外光谱技术的应用和发展提供了有力支撑。

为此，研究人员提出了一种改进的卷积神经网络，用于小麦和水稻品种真实性的高通量鉴定。实验中对比研究了多种分类算法，不断优化模型参数，提高模型预测的稳健性。在此次研究中，研究人员将开发的系统应用于鉴定24个小麦品种和21个水稻品种，分别取得95.35%和93.07%的准确率，为近红外鉴定作物品种真实性提供了有效方法。