聶 森 馬劭瑾 彭彥昆 王 威 李永玉

(中國農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083)

0 引言

《中國統(tǒng)計(jì)年鑒》數(shù)據(jù)顯示，近年我國稻米、小麥和玉米的產(chǎn)量約占我國糧食總產(chǎn)量90%，稻米、小麥和玉米作為三大主糧在我國居民糧食結(jié)構(gòu)中占有重要位置。糧食生產(chǎn)、加工、儲(chǔ)運(yùn)等產(chǎn)業(yè)鏈中品質(zhì)監(jiān)測(cè)是不可或缺的重要環(huán)節(jié)，而且客觀、無損、快速地定級(jí)、定價(jià)對(duì)整個(gè)糧食產(chǎn)業(yè)健康發(fā)展起重要帶動(dòng)作用。另外，在國際貿(mào)易摩擦加劇和國內(nèi)糧食進(jìn)口量大幅攀升的背景下，實(shí)現(xiàn)三大主糧在生產(chǎn)、儲(chǔ)存和流通過程中的高效實(shí)時(shí)品質(zhì)檢測(cè)與監(jiān)控，對(duì)保障我國糧食品質(zhì)安全具有重要意義。

基于可見/近紅外光譜(Visible and near-infrared, Vis/NIR)、近紅外光譜(Near-infrared，NIR)、高光譜成像(Hyperspectral imaging，HSI)、拉曼光譜、熒光光譜、多光譜(Multispectral imaging，MSI)、機(jī)器視覺及其相互融合的光學(xué)無損實(shí)時(shí)傳感技術(shù)，具有高通量、快速、低成本等特點(diǎn)，在三大主糧的內(nèi)外部品質(zhì)檢測(cè)領(lǐng)域有著較為廣泛的應(yīng)用。本文闡述稻谷/大米、玉米和小麥的內(nèi)外部品質(zhì)檢測(cè)需求，在對(duì)三大主糧的光學(xué)特性進(jìn)行對(duì)比分析的基礎(chǔ)上，總結(jié)分析三大主糧品質(zhì)快速檢測(cè)技術(shù)與裝置的國內(nèi)外研發(fā)現(xiàn)狀，并歸納目前市面上已推廣應(yīng)用的裝備特性，最后對(duì)存在的問題及發(fā)展趨勢(shì)提出建議和展望。

1 糧食品質(zhì)快速光學(xué)檢測(cè)技術(shù)

1.1 內(nèi)部品質(zhì)檢測(cè)技術(shù)

糧食內(nèi)部品質(zhì)指標(biāo)主要包括蛋白質(zhì)、水分、脂肪、直鏈淀粉含量等，這些參數(shù)直接影響稻谷/大米、小麥和玉米的加工、食用等品質(zhì)，在生產(chǎn)鏈及銷售鏈上備受關(guān)注。目前，糧食內(nèi)部品質(zhì)的光學(xué)檢測(cè)技術(shù)主要包括NIR光譜、拉曼光譜、熒光光譜、HSI、MSI等。

表1 基于Vis/NIR光譜的三大主糧內(nèi)部品質(zhì)無損檢測(cè)技術(shù)成果

圖1 大米、玉米和小麥粉的Vis/NIR吸光光譜

圖2 大米、玉米和小麥的拉曼光譜(激光光源均為785 nm)

熒光光譜技術(shù)以其高選擇性和高靈敏度而被廣泛用于農(nóng)產(chǎn)品領(lǐng)域的檢測(cè)研究。大米、玉米和小麥中含有色氨酸、阿魏酸、對(duì)羥基肉桂酸、核黃素等熒光團(tuán)，這為采用熒光光譜技術(shù)對(duì)三大主糧進(jìn)行分析奠定了理論基礎(chǔ)[34]。大米、玉米和小麥粉的激發(fā)-發(fā)射矩陣(Excitation-emission matrix，EEM)特性如圖3所示[35]，大米、小麥和玉米粉的熒光特性也十分相近，均具有兩個(gè)熒光區(qū)域(Region Ⅰ和Region Ⅱ)。第1個(gè)熒光區(qū)域的激發(fā)范圍為255～305 nm，發(fā)射范圍為300～410 nm，對(duì)應(yīng)蛋白質(zhì)中氨基酸的熒光。第2個(gè)熒光區(qū)域的激發(fā)范圍為310～400 nm，發(fā)射范圍為380～490 nm，對(duì)應(yīng)大米、小麥和玉米粉中的低分子量分子，如生育酚、吡哆醇和4-氨基苯甲酸[35]。NAGEL-HELD等[31]將小麥顆粒的拉曼反射光譜、熒光光譜和NIR光譜進(jìn)行數(shù)據(jù)融合(Data fusion)實(shí)現(xiàn)了對(duì)玉米蛋白質(zhì)含量和小麥蛋白質(zhì)含量、濕面筋含量、吸水率、延伸阻力等多個(gè)參數(shù)的定量檢測(cè)。目前，采用熒光光譜技術(shù)對(duì)三大主糧內(nèi)部品質(zhì)進(jìn)行無損檢測(cè)的相關(guān)研究則很少，主要原因是其具有特異性，只能對(duì)待測(cè)物中的熒光團(tuán)進(jìn)行直接的定量檢測(cè)。

圖3 大米、玉米和小麥粉的三維熒光光譜

HSI技術(shù)結(jié)合了待測(cè)物的空間信息和光譜信息，既可以通過圖像特征提取待測(cè)物的外部特征(尺寸、幾何結(jié)構(gòu)、顏色)，也能夠通過光譜信息提供待測(cè)樣品的成分特性[36]。在三大主糧的內(nèi)部品質(zhì)檢測(cè)方面，HSI可實(shí)現(xiàn)對(duì)成堆或者單個(gè)糧食顆粒的內(nèi)部成分可視化。例如，有學(xué)者利用HSI對(duì)小麥顆粒、成堆大米的各個(gè)像素點(diǎn)的蛋白質(zhì)含量進(jìn)行了可視化[37-38]。吳靜珠等[39]利用單粒小麥顆粒在876～1 729 nm 波段范圍內(nèi)的高光譜圖像，并基于si-PLS算法建立了小麥粗蛋白質(zhì)含量預(yù)測(cè)模型，并利用968.05～2 575.05 nm波段范圍內(nèi)的單粒玉米顆粒高光譜圖像，結(jié)合集成學(xué)習(xí)建立了單粒玉米水分預(yù)測(cè)模型[40]。ZHANG等[41]獲取了918.1～1 650.6 nm高光譜圖像并提取了單粒玉米顆粒的NIR光譜，利用深度卷積生成性對(duì)抗網(wǎng)絡(luò)(Deep convolutional generative adversarial network，DCGAN)同時(shí)擴(kuò)充高光譜數(shù)據(jù)和脂肪含量的標(biāo)準(zhǔn)理化值，實(shí)現(xiàn)了對(duì)單粒玉米脂肪含量的無損快速預(yù)測(cè)。此外，也有一些研究利用Vis/NIR范圍內(nèi)(400～1 000 nm)的高光譜[42]和拉曼高光譜[43]對(duì)糧食顆粒的內(nèi)部品質(zhì)進(jìn)行了檢測(cè)。

因?yàn)镠SI技術(shù)與NIR相比檢測(cè)時(shí)間較長、成本相對(duì)較高，目前不少HSI相關(guān)研究為的是篩選三大主糧品質(zhì)特征波長，從理論上為下一步開發(fā)MSI裝置奠定基礎(chǔ)。大米、小麥和玉米在Vis/NIR范圍內(nèi)的吸收光譜非常相近，不少基于HSI的研究所提取的大米、小麥和玉米品質(zhì)特征波長位于1 000～1 100 nm、1 153～1 400 nm、1 473～1 497 nm、1 510～1 600 nm、2 110～2 150 nm、2 180～2 206 nm波段范圍內(nèi)[43]。與HSI相比，MSI的波長點(diǎn)數(shù)少，檢測(cè)時(shí)間和成本上都比HSI更具有產(chǎn)業(yè)應(yīng)用優(yōu)勢(shì)。

1.2 外觀品質(zhì)檢測(cè)技術(shù)

外觀品質(zhì)是三大主糧的重要品質(zhì)指標(biāo)。根據(jù)國家標(biāo)準(zhǔn)[44]，評(píng)價(jià)大米質(zhì)量時(shí)，其碎米含量、加工精度、不完善粒和黃粒米含量、堊白度是主要的外部品質(zhì)指標(biāo)。小麥外部品質(zhì)的評(píng)價(jià)指標(biāo)主要是不完善粒含量[45]，小麥的不完善粒包括蟲蝕粒、病斑粒、破損粒、生芽粒和生霉粒。與小麥類似，玉米的外觀品質(zhì)評(píng)價(jià)主要也是根據(jù)不完善粒的含量[46]。與小麥不同的是玉米的不完善粒除了蟲蝕粒、病斑粒、破損粒、生芽粒和生霉粒之外，還包括了熱損傷粒。此外，玉米中霉變粒的含量是評(píng)價(jià)玉米質(zhì)量的另一重要外部品質(zhì)指標(biāo)。目前，三大主糧外部品質(zhì)光學(xué)檢測(cè)技術(shù)主要有機(jī)器視覺技術(shù)、HSI技術(shù)等，如表2所示。

表2 三大主糧外部品質(zhì)無損檢測(cè)技術(shù)

機(jī)器視覺技術(shù)作為一種人工視覺檢測(cè)的替代方法，具有成本低、客觀、無損快速的特點(diǎn)，因此被廣泛應(yīng)用于三大主糧的破損粒[51]、加工精度[47]、堊白度[48]等品質(zhì)的檢測(cè)以及基于外部特征的分類[53]。除了采用數(shù)字相機(jī)自行搭建機(jī)器視覺系統(tǒng)，平板掃描儀是機(jī)器視覺技術(shù)檢測(cè)中另一種常用的圖像獲取方式。例如，EBRAHIMI等[55]利用HP G3110平板掃描儀獲取了小麥顆粒的圖像，實(shí)現(xiàn)了對(duì)小麥中雜質(zhì)(非小麥顆粒)的識(shí)別。SHOUCHE等[75]使用HP ScanJet IICX/T采集小麥圖像并實(shí)現(xiàn)了對(duì)小麥形態(tài)學(xué)特征(例如面積、周長、長短軸長度及比率等)的分析。

HSI技術(shù)通常用于三大主糧霉變籽粒和蟲蝕粒的檢測(cè)。受霉菌侵染或者蟲蝕的糧食顆粒不僅會(huì)呈現(xiàn)顏色等外觀變化，其內(nèi)部品質(zhì)(如脂肪酸等)也會(huì)發(fā)生相應(yīng)改變。稻谷/大米、小麥和玉米在種植、儲(chǔ)藏和銷售期間均容易受到真菌毒素的污染。玉米中的黃曲霉毒素B1(Aflatoxin B1，AFB1)、小麥赤霉病(Fusarium head blight，F(xiàn)HB)、小麥中脫氧雪腐鐮刀菌烯醇(Deoxynivalenol，DON)毒素是最受關(guān)注的檢測(cè)指標(biāo)。玉米中的AFB1會(huì)在670～979 nm和850～950 nm波長范圍內(nèi)產(chǎn)生吸收峰[65]，在2 058 nm和2 346 nm附近也會(huì)產(chǎn)生NIR吸收峰，其中前者與AFB1中的內(nèi)脂相關(guān)，后者則與AFB1中的香豆素環(huán)有關(guān)[76]。小麥的FHB是一種由禾谷鐮刀菌侵染的病害，F(xiàn)HB會(huì)產(chǎn)生DON次級(jí)代謝產(chǎn)物，DON不會(huì)隨著小麥的儲(chǔ)藏、加工等降解，會(huì)對(duì)人畜健康造成很大的威脅[77]。與FHB相關(guān)的特征波長通常位于480、570、680、750、800、860、1 000、1 200、1 300、1 400 nm附近。雖然FHB與DON之間存在正相關(guān)關(guān)系，但是DON也會(huì)存在于具有FHB特征的小麥中，因此有必要直接檢測(cè)DON侵染小麥。DON中的O—H在750、950、1 400 nm，C—H在1 200、1 400、1 650 nm，N—H官能團(tuán)在1 050、1 500 nm處產(chǎn)生特征吸收峰，為使用NIR-HSI技術(shù)檢測(cè)小麥中的DON奠定了理論基礎(chǔ)[78]。另外，稻谷、小麥和玉米中最為常見的幾種害蟲是米象、玉米象和谷蠹。這些害蟲在發(fā)育過程中會(huì)消耗糧食顆粒內(nèi)部的淀粉，因此蟲蝕粒的淀粉含量通常會(huì)比正常顆粒的含量要低[79]。除了利用HSI技術(shù)對(duì)糧食蟲蝕粒進(jìn)行檢測(cè)之外，還有研究者利用Vis-NIR-HSI技術(shù)結(jié)合CNN和SVM實(shí)現(xiàn)了對(duì)多種不完善粒的識(shí)別，包括破損粒、蟲蝕粒和黑胚粒，分類準(zhǔn)確率達(dá)到99.98%[80]。與NIR光譜技術(shù)相比，HSI技術(shù)在三大主糧霉變及蟲蝕粒檢測(cè)中的最突出的優(yōu)勢(shì)是：不論檢測(cè)對(duì)象是成堆糧食顆粒還是逐粒分開的單一顆粒，均可以以單一顆粒為目標(biāo)進(jìn)行霉變粒或蟲蝕粒的剔除。此外，也有一些研究利用拉曼-HSI技術(shù)實(shí)現(xiàn)了對(duì)霉變玉米籽粒的檢測(cè)。

2 糧食品質(zhì)快速檢測(cè)系統(tǒng)裝置

2.1 三大主糧品質(zhì)檢測(cè)裝置研究現(xiàn)狀

目前，三大主糧外觀品質(zhì)光學(xué)檢測(cè)技術(shù)主要有機(jī)器視覺、HSI、MSI等，其中機(jī)器視覺因低成本、客觀等特點(diǎn)廣泛應(yīng)用于三大主糧外部品質(zhì)檢測(cè)。三大主糧外部品質(zhì)機(jī)器視覺檢測(cè)系統(tǒng)一般包括樣品板、光源、相機(jī)、數(shù)據(jù)采集卡和計(jì)算機(jī)，其中相機(jī)(個(gè)數(shù)及空間位置)、光源(顏色、形狀、強(qiáng)度)和樣品板(顏色)是糧食外部品質(zhì)檢測(cè)系統(tǒng)研發(fā)過程中重點(diǎn)考慮的因素，其中三大主糧檢測(cè)系統(tǒng)光源類型、形狀、顏色以及樣品板顏色選擇示例如表3所示。在大米/稻谷、玉米和小麥的機(jī)器視覺檢測(cè)裝置中，相機(jī)的個(gè)數(shù)通常為單個(gè)，位于糧食顆粒的上方。例如，祝詩平等[58]使用華為手機(jī)從小麥上方20～25 cm的垂直高度采集小麥顆粒圖像，實(shí)現(xiàn)了對(duì)完整粒和破損粒小麥的分類。MITTAL等[50]使用低成本的USB相機(jī)從大米顆粒上方25 cm的垂直距離進(jìn)行圖像采集，根據(jù)大米長度、加工精度和堊白率實(shí)現(xiàn)了對(duì)大米的分級(jí)檢測(cè)。然而，單個(gè)相機(jī)很難獲取糧食全表面信息，WU等[52]利用3個(gè)相機(jī)采集下落過程中大米圖像，實(shí)現(xiàn)了對(duì)大米不完善粒的檢測(cè)。ZHANG等[54]搭建了稻谷在線雙面成像檢測(cè)系統(tǒng)，用于對(duì)正常稻谷顆粒和未閉合穎片稻谷分類，檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖和實(shí)物圖如圖4所示[54]。該研究專門設(shè)計(jì)了振動(dòng)盤和線性振動(dòng)傳送帶，使其能夠逐個(gè)通過滑道。兩個(gè)相機(jī)放置于透明玻璃通道的兩側(cè)，當(dāng)光纖傳感器收到稻谷經(jīng)過信號(hào)時(shí)，觸發(fā)兩個(gè)相機(jī)采集稻谷顆粒上下兩面的圖像。

表3 機(jī)器視覺系統(tǒng)光源類型、形狀、顏色以及樣品板顏色選擇示例

圖4 裂穎稻谷的在線雙面識(shí)別與剔除系統(tǒng)

光源是機(jī)器視覺系統(tǒng)中影響檢測(cè)結(jié)果的重要部件，光源的類型、形狀、顏色、照明方式和強(qiáng)度決定了圖像的清晰度、重復(fù)性和可靠性[81]。目前主要光源類型包括LED、白熾燈、紅外燈和熒光燈，其中LED應(yīng)用最為廣泛。常見的商用光源形狀主要為線光源、環(huán)形光源、方形光源和圓頂燈，顏色以白色為主。照明方式包括正面照明和背面照明兩種，正面照明主要用于表征顆粒的表面特征，背面照明則適用于子曲面特征和邊緣特征的突出。樣品板的顏色即成像的背景顏色，其選擇合理可以降低圖像處理過程中背景分割的復(fù)雜性，通常會(huì)選擇與待測(cè)樣品顆粒顏色對(duì)比度大的顏色作為樣品板的顏色。例如，LI等[60]開發(fā)了一套玉米應(yīng)力裂紋在線式檢測(cè)裝置，包括一個(gè)種板、傳動(dòng)軸、兩個(gè)相機(jī)、組合滑臺(tái)和卸料區(qū)，硬件系統(tǒng)結(jié)構(gòu)示意圖如圖5所示。該系統(tǒng)采用光源板對(duì)玉米顆粒進(jìn)行照射，每個(gè)玉米顆粒對(duì)應(yīng)1個(gè)光源。此外，光源板被固定在滑臺(tái)上，可以沿前后左右4個(gè)方向正交移動(dòng)，以對(duì)玉米裂紋進(jìn)行清晰地照射。

圖5 玉米應(yīng)力裂紋硬件檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖[60]

另外，光源強(qiáng)度是影響機(jī)器視覺系統(tǒng)圖像采集質(zhì)量的一個(gè)重要因素。自然光等作為光源時(shí)其強(qiáng)度難以人為干預(yù)，會(huì)對(duì)圖像采集和模型結(jié)果產(chǎn)生不可忽視的影響。CHEN等[49]基于WU等[52]的大米破損粒檢測(cè)系統(tǒng)使用多視圖完整空間學(xué)習(xí)(Multi-view intact space learning，MISL)算法削弱了照明強(qiáng)度對(duì)模型穩(wěn)定性的影響。結(jié)果表明，MISL算法可以在不同照明條件下提升完整大米顆粒和破損大米顆粒分類模型的穩(wěn)定性。

基于NIR的檢測(cè)系統(tǒng)在三大主糧內(nèi)部品質(zhì)檢測(cè)中的應(yīng)用最為廣泛。日本等發(fā)達(dá)國家在糧食收購、糧食儲(chǔ)藏、糧食精深加工等各個(gè)環(huán)節(jié)已廣泛應(yīng)用NIR檢測(cè)系統(tǒng)。國內(nèi)基于NIR檢測(cè)系統(tǒng)在糧食加工、在線控制等方面還沒有成功應(yīng)用。HSI系統(tǒng)融合了光譜和圖像，被應(yīng)用于對(duì)大米/稻谷、小麥和玉米的霉變或蟲蝕粒檢測(cè)，MSI檢測(cè)系統(tǒng)與HSI相比成本低，更具有產(chǎn)業(yè)推廣優(yōu)勢(shì)。用于MSI檢測(cè)的光源按照波長可以分為紫外光、可見光和近紅外光，但是在實(shí)際MSI光源的選型與配置中，還需要考慮光源(或者濾光片)的普適性和成本。一般地，通用的光源(如LED)和濾光片有特定的中心波長，因此根據(jù)HSI理論結(jié)果得到的特征波長不一定有對(duì)應(yīng)的光源產(chǎn)品類型。此外，長波近紅外范圍內(nèi)的光源和濾光片成本遠(yuǎn)高于可見光和短波近紅外(400～1 100 nm)以及紫外光范圍內(nèi)的產(chǎn)品成本，從而限制了長波近紅外光源在MSI系統(tǒng)搭建時(shí)的應(yīng)用。JAILLAIS等[82]利用自行搭建的多光譜成像系統(tǒng)[83]對(duì)小麥中FHB抗性進(jìn)行了評(píng)價(jià)。該裝置的光源由 8個(gè) LED燈珠組成，包括2個(gè)NIR光源(950、875 nm)、3個(gè)可見光源(紅色、藍(lán)色、綠色)和3個(gè)UV光源(360、400、370 nm)。褚璇等[84]利用可見光和365 nm紫外光為光源研發(fā)多光譜成像系統(tǒng)，用于含黃曲霉毒素玉米顆粒的檢測(cè)。三大主糧品質(zhì)光學(xué)無損檢測(cè)系統(tǒng)研究成果如表4所示。

表4 三大主糧品質(zhì)光學(xué)檢測(cè)系統(tǒng)研究成果

此外，多種技術(shù)融合檢測(cè)系統(tǒng)也被應(yīng)用于三大主糧品質(zhì)檢測(cè)，當(dāng)單一的檢測(cè)方式無法滿足檢測(cè)的精確度和適用性時(shí)，選擇將兩種以上檢測(cè)技術(shù)進(jìn)行融合[96]。沈飛等[97]搭建了機(jī)器視覺和Vis-NIR光譜融合在線檢測(cè)系統(tǒng)對(duì)玉米霉變程度和菌落總數(shù)進(jìn)行了檢測(cè)。該團(tuán)隊(duì)利用該系統(tǒng)完成了對(duì)玉米真菌侵染[98]和小麥DON侵染的檢測(cè)[99]，結(jié)果顯示機(jī)器視覺與Vis-NIR光譜的融合均可得到更佳的檢測(cè)效果。此外，F(xiàn)ABIYI等[100]將機(jī)器視覺技術(shù)與 Vis-NIR-HSI技術(shù)進(jìn)行融合，建立了大米分類模型，結(jié)果同樣凸顯了機(jī)器視覺與Vis-NIR-HSI融合系統(tǒng)的優(yōu)越性。

2.2 三大主糧品質(zhì)檢測(cè)裝置應(yīng)用現(xiàn)狀

目前，國內(nèi)外多家公司市售NIR糧食品質(zhì)分析裝置，用于檢測(cè)多種糧食的內(nèi)部品質(zhì)，市場(chǎng)上常見的部分商業(yè)化糧食分析裝置及其相關(guān)特性如表5所示?？梢钥闯?，各個(gè)國家所研制的NIR檢測(cè)裝置關(guān)注的內(nèi)部品質(zhì)指標(biāo)基本包括了蛋白質(zhì)、水分、脂肪和淀粉，且大多選用了透射模式進(jìn)行檢測(cè)。我國雖然起步較晚，但目前也有市售NIR糧食內(nèi)部品質(zhì)檢測(cè)裝置。特別是基于NIR法的小麥、稻谷、玉米成分測(cè)定被列為國家標(biāo)準(zhǔn)以來，大大促進(jìn)了國內(nèi)NIR糧食品質(zhì)分析裝置研發(fā)。目前，國內(nèi)外大部分市售的糧食檢測(cè)裝置為放置式，儀器質(zhì)量相對(duì)較大，隨著芯片的發(fā)展基于多光譜傳感器的手持式檢測(cè)裝置的推廣應(yīng)用是未來發(fā)展方向之一。

表5 市售NIR糧食內(nèi)部品質(zhì)檢測(cè)裝置

另外，商業(yè)化多光譜系統(tǒng)VideometerLab 4(Videometer，丹麥)常被應(yīng)用于三大主糧品質(zhì)的檢測(cè)研究[101]。該裝置采用的19個(gè)LED光源的波長在365～970 nm之間，包含了紫外、可見和短波近紅外波段(405、435、450、470、505、525、570、590、630、645、660、700、780、800、870、890、910、940、970 nm)，此外還包括了一個(gè)供調(diào)換的外部光源。VideometerLab多光譜成像系統(tǒng)由攝像頭、光源、積分球組成。攝像頭位于積分球頂部，LED光源放置于積分球的邊緣。積分球涂有可使光線均勻散播的不光滑白色顏料。基于該裝置的三大主糧檢測(cè)研究包括稻谷品種的識(shí)別[101]、轉(zhuǎn)基因稻谷的檢測(cè)[102]和糯玉米熱損傷粒的快速鑒別[103]等。

3 展望

本文圍繞三大主糧重點(diǎn)總結(jié)了Vis/NIR、拉曼光譜、HSI、MSI以及機(jī)器視覺等快速檢測(cè)技術(shù)及其裝備的國內(nèi)外現(xiàn)狀。NIR是三大主糧品質(zhì)檢測(cè)中應(yīng)用最為廣泛的技術(shù)，但糧食種植區(qū)域、生產(chǎn)年份、儲(chǔ)藏時(shí)間等環(huán)節(jié)產(chǎn)生的不一致性，增加了建模的難度和不確定性。另外，三大主糧收獲到儲(chǔ)藏、加工過程品質(zhì)監(jiān)控多數(shù)情況需要在線動(dòng)態(tài)檢測(cè)，但是糧食顆粒相對(duì)較小，對(duì)光學(xué)信息動(dòng)態(tài)精準(zhǔn)獲取帶來了一定難度。目前，突破模型普適性以及信息動(dòng)態(tài)精準(zhǔn)獲取識(shí)別等技術(shù)瓶頸，是NIR在主糧檢測(cè)領(lǐng)域廣泛推廣應(yīng)用的關(guān)鍵。

Vis/NIR、NIR和MSI都已有商業(yè)化的糧食/糧食檢測(cè)裝置，而目前尚未見基于拉曼光譜、HSI的三大主糧商用化專用檢測(cè)裝備。雖然不少研究基于自行搭建的HSI檢測(cè)系統(tǒng)實(shí)現(xiàn)了對(duì)三大主糧多品質(zhì)指標(biāo)的檢測(cè)，但是其昂貴的儀器和時(shí)間成本使其不利于推向產(chǎn)業(yè)/商業(yè)應(yīng)用。MSI檢測(cè)裝置雖然因成本低等優(yōu)點(diǎn)而具有較好的推廣應(yīng)用前景，但是特征波長確定，不同波長光源之間的強(qiáng)度差異以及多光源/濾光片與相機(jī)、計(jì)算機(jī)之間的同步等系列問題有待解決和優(yōu)化。

機(jī)器視覺具有成本低、客觀、無損、快速等特點(diǎn)，廣泛應(yīng)用于外部品質(zhì)的檢測(cè)。基于機(jī)器視覺的研究多數(shù)集中于圖像識(shí)別的理論算法，實(shí)現(xiàn)糧食外觀品質(zhì)高通量逐一檢測(cè)，動(dòng)態(tài)特征獲取、檢測(cè)時(shí)間以及系統(tǒng)適應(yīng)性是關(guān)鍵。目前，基于機(jī)器視覺的糧食外觀品質(zhì)檢測(cè)仍然停留在實(shí)驗(yàn)室階段，市售檢測(cè)裝備少見。今后，應(yīng)采用深度學(xué)習(xí)等進(jìn)行模式識(shí)別提升系統(tǒng)適用性，根據(jù)檢測(cè)需求利用相互融合的光學(xué)無損實(shí)時(shí)傳感技術(shù)提高檢測(cè)準(zhǔn)確性，并逐步應(yīng)用于糧食收獲、干燥、加工等過程品質(zhì)監(jiān)控。