張亮 劉鵬
[摘要]糧食儲(chǔ)存過程中的霉變問題是我國糧食安全的重點(diǎn)關(guān)注問題,糧食霉變程度的檢測與識(shí)別是評(píng)價(jià)糧食品質(zhì)的重要依據(jù)。為保證儲(chǔ)糧品質(zhì),減少霉變造成的糧食品質(zhì)下降和經(jīng)濟(jì)損失,準(zhǔn)確、快速地檢測糧食的霉變程度極為重要。本文闡述了國內(nèi)花生、玉米、小麥和大豆的霉變研究現(xiàn)狀,對(duì)其霉變檢測方法進(jìn)行了總結(jié),分析了這幾種方法的優(yōu)缺點(diǎn),同時(shí)對(duì)未來檢測糧食霉變的方法進(jìn)行了展望。
[關(guān)鍵詞]糧食霉變;霉變檢測;糧食品質(zhì)
中圖分類號(hào):TS207.4 文獻(xiàn)標(biāo)識(shí)碼:A DOI:10.16465/j.gste.cn431252ts.202009
每年我國農(nóng)作物在儲(chǔ)存、運(yùn)輸、銷售過程中因霉變而造成的損失達(dá)180億~240億元,而霉變的農(nóng)產(chǎn)品不但品質(zhì)受到影響,有些還對(duì)人體健康存在很大威脅。例如,霉變的花生產(chǎn)生的黃曲霉素具有劇毒性和強(qiáng)致癌性,能夠?qū)е赂伟€可能誘發(fā)骨癌、腎直腸癌等;霉變的小麥和玉米也存在很大的安全隱患。目前,國內(nèi)對(duì)農(nóng)產(chǎn)品霉變的檢測方法主要有人工感官評(píng)定、微生物法檢測,人工感官評(píng)定對(duì)人員專業(yè)素質(zhì)要求較高且?guī)в兄饔^性,微生物法需要大量的樣品,費(fèi)時(shí)費(fèi)力,還會(huì)損害農(nóng)產(chǎn)品的結(jié)構(gòu),不適用大量樣品的檢測。故尋找一種普適、便捷、無損的農(nóng)產(chǎn)品霉變檢測方法具有重要的現(xiàn)實(shí)意義[1]。
1 花生霉變的研究現(xiàn)狀
花生是中國重要的油料作物,在儲(chǔ)存過程中易受到溫度和濕度的影響,從而被黃曲霉、寄生曲霉等感染產(chǎn)生霉變。目前對(duì)于花生霉變的檢測方法有多種,丁然[2]提出了一種基于機(jī)器視覺和近紅外光譜技術(shù)的農(nóng)產(chǎn)品霉變檢測方法,通過對(duì)霉變花生的顏色、紋理特征進(jìn)行提取,建立數(shù)據(jù)庫模型,對(duì)花生霉變的識(shí)別有良好的效果;蔣雪松等[3]提出通過衰減全反射-傅立葉紅外光譜技術(shù)快速檢測霉變花生的光譜指紋特征,對(duì)花生仁中5種微量有害霉菌進(jìn)行檢測、識(shí)別;王金英等[4]提出了基于計(jì)算機(jī)視覺的花生霉變程度檢測方法,通過圖像分割、維納濾波去除噪音、選取圖像的H分量對(duì)花生霉變程度進(jìn)行檢測,準(zhǔn)確率超過了93%。
以上幾種方法都是采用計(jì)算機(jī)視覺的方法,獲取霉變區(qū)域圖像后對(duì)圖像進(jìn)行處理,最終達(dá)到識(shí)別的目的,并且識(shí)別率也很高。這幾種方法操作簡單、反應(yīng)迅速,適用于大范圍的霉變檢測,不過這幾種方法的檢測設(shè)備較昂貴,且需要一定的數(shù)字圖像處理基礎(chǔ)。
2 玉米霉變的研究現(xiàn)狀
玉米作為世界上產(chǎn)量最高的農(nóng)作物之一,在儲(chǔ)存過程中易受赭曲霉、黃曲霉、寄生曲霉、灰綠曲霉和青霉等感染而發(fā)生霉變。玉米霉變的檢測方法也有多種,袁瑩等[5]提出了基于傅立葉變換近紅外和支持向量機(jī)的霉變玉米檢測方法,通過采集不同霉變程度的玉米光譜信息并運(yùn)用支持向量機(jī)進(jìn)行數(shù)據(jù)分析,最終對(duì)霉變玉米的識(shí)別率達(dá)到了87.8%;崔博[6]提出基于高光譜成像技術(shù)的玉米種子霉變檢測方法,利用高光譜成像技術(shù)采集玉米種子高光譜圖像,選取特征光譜和紋理特征結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)霉變玉米進(jìn)行識(shí)別,準(zhǔn)確率超過了90%;褚璇[7]提出針對(duì)谷物霉菌的高光譜成像辨識(shí)方法和霉變玉米籽粒檢測方法,利用高光譜成像技術(shù),結(jié)合圖譜交互分析、物理化學(xué)表征相輔相成的多變量分析等數(shù)據(jù)處理方法,對(duì)玉米的霉變的識(shí)別率超過了99.5%。
以上幾種方法都是通過高光譜相機(jī)獲取圖像,再對(duì)圖像進(jìn)行處理。由于高光譜圖像更容易反映出霉變區(qū)域的顏色與紋理特征,因此識(shí)別率可以達(dá)到很高。但是這幾種方法需要對(duì)大量數(shù)據(jù)進(jìn)行處理,信息處理的效率相對(duì)低下;且高光譜成像技術(shù)系統(tǒng)比較昂貴,應(yīng)用成本高,難以廣泛應(yīng)用于農(nóng)產(chǎn)品檢測。
3 小麥霉變的研究現(xiàn)狀
小麥作為三大谷物之一,在儲(chǔ)存過程中因濕度變化等原因易受赭曲霉、寄生曲霉等感染而發(fā)霉,小麥霉變的檢測對(duì)減少小麥的儲(chǔ)藏?fù)p失意義重大。偉利國等[8]研制了一套能夠快速對(duì)小麥霉變進(jìn)行識(shí)別的電子鼻檢測系統(tǒng),該系統(tǒng)通過分析小麥的氣味,判斷所測小麥?zhǔn)欠衩棺?,能夠快速?zhǔn)確評(píng)判小麥的霉變情況,正確識(shí)別率達(dá)到93.3%;韓楓[9]提出二氧化碳監(jiān)測法對(duì)儲(chǔ)糧早期霉變位點(diǎn)定位的方法,通過糧堆中不同部位二氧化碳?xì)怏w的濃度及其變化特點(diǎn)對(duì)實(shí)倉中的霉變位點(diǎn)進(jìn)行準(zhǔn)確定位;嚴(yán)松等[10]提出基于嗅覺可視化的霉變小麥揮發(fā)性氣體檢測方法,采用氣相色譜-質(zhì)譜聯(lián)用技術(shù)(GS-MS)對(duì)不同霉變程度小麥的揮發(fā)性氣體進(jìn)行檢測,分析氣體成分來檢測小麥的霉變程度,識(shí)別率達(dá)95.83%。
以上方法都是通過采集小麥霉變之后產(chǎn)生的物理化學(xué)信息來識(shí)別,需要高靈敏度的傳感器,且易受環(huán)境溫度等的影響,而小麥中的蟲害活動(dòng)也會(huì)產(chǎn)生二氧化碳?xì)怏w,影響檢測結(jié)果,并且在這些物理化學(xué)信息出現(xiàn)時(shí),小麥已經(jīng)發(fā)生了霉變,不利于減少損失。
4 大豆霉變的研究現(xiàn)狀
大豆作為原產(chǎn)中國的重要糧食作物之一,已有5000年的栽培歷史。大豆吸濕性強(qiáng),易生霉,大豆籽粒種皮薄,發(fā)芽孔大,吸濕能力比小麥、玉米強(qiáng)。大豆吸濕返潮后,體積膨脹,極易生霉。開始是豆粒發(fā)軟,種皮灰暗、泛白,出現(xiàn)輕微異味,繼而豆粒膨脹、變形,臍部泛紅,破碎粒出現(xiàn)菌落,品質(zhì)急劇惡化。在檢測大豆霉變的研究中,鄭飛翔等[11]提出一種基于電子鼻的霉變黃豆和白蕓豆檢測方法,根據(jù)豆類霉變所產(chǎn)生的特征氣體,合理選用相應(yīng)的氣敏傳感器組成陣列,構(gòu)建用于豆類霉變程度檢測的電子鼻系統(tǒng),采用人工感官方法評(píng)價(jià)豆類樣品的霉變狀態(tài);侯升飛[12]提出基于圖像處理與光譜技術(shù)的大豆等級(jí)識(shí)別方法,對(duì)霉變、破損、蟲蝕三種不完整豆粒的分級(jí)準(zhǔn)確率達(dá)到92%;趙丹婷[13]研究開發(fā)基于圖像處理技術(shù)的大豆外觀品質(zhì)檢測系統(tǒng),分別對(duì)正常大豆、病斑大豆、霉變大豆、蟲蝕大豆、破碎大豆以及混雜豆粒進(jìn)行圖像采集與識(shí)別,系統(tǒng)的平均識(shí)別精度為90.33%。
以上方法雖然能夠檢測出霉變大豆,但并沒有對(duì)大豆的霉變程度進(jìn)行說明,并且不管是電子鼻的方法還是機(jī)器視覺的方法,都是在大豆發(fā)生一定霉變程度后產(chǎn)生氣味或者有明顯的顏色變化后才能使用,不利于提前預(yù)防、減少損失。
5 結(jié) 論
本文從小麥、花生、玉米和大豆四個(gè)方面對(duì)農(nóng)作物霉變的檢測方法進(jìn)行了概述,分析了這些方法存在的優(yōu)缺點(diǎn)?,F(xiàn)有的檢測方法大多都是在霉變發(fā)生后才能檢測,還是會(huì)有大量的糧食因霉變而被浪費(fèi),因此對(duì)糧食霉變的檢測仍需要不斷創(chuàng)新。今后的研究重點(diǎn)應(yīng)該放在霉變檢測的準(zhǔn)確、超前與效率上,建立更加精準(zhǔn)的信息采集系統(tǒng),選取更細(xì)微的霉變特征,在霉變未發(fā)生前就將霉變發(fā)生的趨勢檢測出來,從而提前對(duì)將要發(fā)生霉變的糧食進(jìn)行處理,避免損失。
參考文獻(xiàn)
[1]陳紅,熊利榮,胡筱波,等.基于神經(jīng)網(wǎng)絡(luò)與圖像處理的花生仁霉變識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2007(4):158-161.
[2]丁然.基于機(jī)器視覺和近紅外光譜技術(shù)的農(nóng)產(chǎn)品霉變檢測方法研究[D].鎮(zhèn)江:江蘇大學(xué),2015.
[3]蔣雪松,劉鵬,沈飛,等.衰減全反射-傅里葉變換紅外光譜法對(duì)花生仁霉變的分析[J].食品科學(xué),2017(12):315-320.
[4]王金英,董禮.基于計(jì)算機(jī)視覺的花生霉變程度檢測[J].農(nóng)機(jī)化研究,2019(8):223-226.
[5]袁瑩,王偉,褚璇,等.基于傅里葉變換近紅外和支持向量機(jī)的霉變玉米檢測[J].中國糧油學(xué)報(bào),2015(5):143-146.
[6]崔博.基于高光譜成像技術(shù)的玉米種子霉變檢測方法研究[D].沈陽:沈陽農(nóng)業(yè)大學(xué),2017.
[7]褚璇.谷物霉菌的高光譜成像辨識(shí)方法和霉變玉米籽粒檢測方法研究[D].北京:中國農(nóng)業(yè)大學(xué),2018.
[8]偉利國,張小超,胡小安.電子鼻技術(shù)及其在小麥霉變檢測中的應(yīng)用[J].農(nóng)機(jī)化研究,2009(11):191-193.
[9]韓楓.二氧化碳監(jiān)測法對(duì)儲(chǔ)糧早期霉變位點(diǎn)定位的研究[D].鄭州:河南工業(yè)大學(xué),2016.
[10]嚴(yán)松,林顥.基于嗅覺可視化的霉變小麥揮發(fā)性氣體檢測研究[J].食品科學(xué),2019(3):1-13.
[11]鄭飛翔,李劍,樓雄偉,等.基于電子鼻的霉變黃豆和白蕓豆檢測方法[J].中國食品學(xué)報(bào),2016,16(3):190-197.
[12]侯升飛.基于圖像處理與光譜技術(shù)的大豆等級(jí)識(shí)別方法的研究[D].哈爾濱:東北農(nóng)業(yè)大學(xué),2014.
[13]趙丹婷.基于圖像處理技術(shù)的大豆外觀品質(zhì)檢測系統(tǒng)的研究[D].哈爾濱:東北農(nóng)業(yè)大學(xué),2010.