1.一种小麦籽粒抗性淀粉含量的快速测定方法，其特征在于：包括以下步骤：

（1）选取种质资源库中一定量的不同小麦材料的籽粒，每份材料是经过人工除杂后干净的小麦籽粒，用配有0.8毫米筛板的旋风粉碎机把小麦籽粒打磨成细粉，随后将得到的全麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时后，取出自然冷却后封口备用；如此即可制得不同材料籽粒的全麦粉材料；

（2）使用抗性淀粉试剂盒，根据AOAC法2002.02抗性淀粉测定原理对各全麦粉材料的抗性淀粉含量进行多次测定，随后取多次测定结果的平均值，如此即可得到各全麦粉材料的抗性淀粉含量值；

（3）对小麦材料籽粒进行光谱测定：

将配有ATR附件傅里叶红外光谱仪的光谱采集范围设定为4000-525cm-1,分辨率设定为

4cm-1,扫描次数设定为16次，然后用傅里叶红外光谱仪自带的小勺取约0.01g的全麦粉材料放入到检测口，顺时针旋转探头，直到听见一声响声，然后用OMNIC 8.2智能软件记录全麦粉材料光谱数据，每个材料测定后用无水乙醇擦拭探头和检测口，自然晾干后进行下一个全麦粉材料光谱的采集；如此即可得到各全麦粉材料的光谱数据；

（4）校正集和验证集的划分：

将各全麦粉材料的光谱数据和用化学法测得的抗性淀粉含量数据对应合并，再按照各全麦粉材料的化学值从小到大排列，每5个样本中选取1个样本作为验证集，其余作为校正集，将校正集和验证集分别归类，然后将这些数据导入到CAMO公司的Unscrambler 9.7软件中；

（5）预测模型的建立：

在Unscrambler 9.7软件中首先将样本编辑为校正集和验证集，再将自变量编辑为光谱变量；将因变量编辑为化学值变量，随后在软件中选取Baseline进行线性基线校正的预处理,然后选取Baseline+GFS进行线性基线校正和高斯滤波平滑的预处理；随后选取Baseline+MSC进行线性基线校正和多元散射校正的预处理；以上预处理进行完毕后，在Unscrambler 9.7软件的回归分析中分别选择PLS1，并点击全交叉验证方法，使用偏最小二乘法进行建模，如此即可得到不同预处理后预测模型的参数值；

预测模型参数值包含决定系数R2和均方根误差RMSE这两大项，决定系数R2是反映模型拟合优度的重要统计量, 均方根误差RMSE是用来衡量观测值和真实值之间的偏差；当决定系数R2越接近1，均方根误差RMSE越小时，模型的预测效果越好；如此即可通过比较不同预处理后的预测模型的校正决定系数Rc2和预测决定系数Rp2及校正均方根误差RMSEC和预测均方根误差RMSEP的大小，从中找出最佳预测模型，该模型即为测定抗性淀粉含量的预测模型；

（6）预测模型的外部验证；

预测模型建立完成后，在Unscrambler 9.7软件的任务栏中选择“predict”，在预测框中，选择验证集作为样本集，选择光谱变量为自变量，选择抗性淀粉化学值为因变量，模型选择保存的最佳预测模型，点击“OK”,系统可自动预测出外部验证集材料的预测值，将预测值和化学值对应输入到Excel中，进行线性回归分析，来进一步验证预测模型的准确性；

（7）使用方法；

1）、选取8 g左右经过人工除杂后干净的待测定的小麦籽粒，随后用配有0.8毫米筛板的旋风粉碎机把待测定的小麦籽粒打磨成细粉，然后将得到的全麦粉装入到封口袋中，并将其呈敞口状放入干燥箱中40℃烘干8小时取出，自然冷却后封口备用；如此即可制得待测定的全麦粉材料；

2）、将配有ATR附件的傅里叶红外光谱仪的光谱采集范围设定为4000-525cm-1,分辨率设定为4cm-1,扫描次数设定为16次，然后用傅里叶红外光谱仪自带的小勺取约0.01g的待测定全麦粉材料放入到检测口，顺时针旋转探头，直到听见一声响声，然后用OMNIC 8.2智能软件记录全麦粉材料光谱数据；

3）、将全麦粉材料光谱数据导入到Unscrambler 9.7的软件中，接着在任务栏中选择“predict”，在预测框中，选择只有光谱数据的验证集作为样本集，选择光谱变量作为自变量，模型选择保存的最佳预测模型，点击“OK”,系统可自动预测出待检测全麦粉材料的抗性淀粉含量值。

2.根据权利要求1所述的一种小麦籽粒抗性淀粉含量的快速测定方法其特征在于：所述的种质资源库为长江大学种质资源库。