◎ 古爭(zhēng)艷，戚天杰

（1.中央儲(chǔ)備糧新鄭直屬庫有限公司，河南 鄭州 451100；2.河南工業(yè)大學(xué)糧食和物資儲(chǔ)備學(xué)院，河南 鄭州 450001）

大豆作為我國油脂工業(yè)和飼料工業(yè)的原材料之一，其需求量在不斷增長。由于進(jìn)口大豆的轉(zhuǎn)基因化和規(guī)?；a(chǎn)，在產(chǎn)量上可以滿足我國的需求，且在出油率方面也優(yōu)于國產(chǎn)大豆，造成人們對(duì)于進(jìn)口大豆的依賴性過高，不利于我國大豆類農(nóng)作物的發(fā)展。

大豆可以分為國產(chǎn)大豆和進(jìn)口大豆，進(jìn)口大豆糧堆里包含完整粒大豆、雜質(zhì)和不完善粒大豆，其中，不完善粒主要包括未熟粒、不完善粒和損傷粒；損傷粒又可分為蟲蝕粒、病斑粒、熱損傷粒、漲大粒、生霉粒、凍傷粒和霉變粒，霉變粒單獨(dú)計(jì)作衛(wèi)生指標(biāo)范疇[2]。有研究證實(shí)，損傷粒與大豆質(zhì)量的關(guān)系是非常緊密的。例如，大豆熱損現(xiàn)象對(duì)于油脂酸價(jià)、過氧化值和油脂全氧化值等都有較大的影響[1]。此外，大豆質(zhì)量標(biāo)準(zhǔn)中對(duì)完整粒率、損傷粒率和熱損傷粒率都有明確的限值要求，因此，這3項(xiàng)指標(biāo)的檢測(cè)準(zhǔn)確性至關(guān)重要。然而，目前我國完整粒率的檢測(cè)還是依賴人工挑選出不完善粒，然后分別稱量和間接計(jì)算。人工挑選方法較儀器檢測(cè)方法存在較大的主觀因素誤差，檢測(cè)結(jié)果的準(zhǔn)確性不高[3]。查閱國內(nèi)外挑選檢測(cè)類文獻(xiàn)發(fā)現(xiàn)，質(zhì)量監(jiān)測(cè)類型的機(jī)器、光學(xué)檢測(cè)技術(shù)裝備和負(fù)責(zé)挑選分類的半自動(dòng)化或自動(dòng)化機(jī)器等設(shè)備曾經(jīng)因?yàn)樵靸r(jià)高、結(jié)構(gòu)復(fù)雜等原因在國內(nèi)外鮮有應(yīng)用研究。然而，隨著近年來現(xiàn)代科學(xué)技術(shù)的飛速發(fā)展，現(xiàn)代儀器設(shè)備精度高、速度快、重復(fù)性高、前景廣闊等優(yōu)點(diǎn)已經(jīng)凸顯出來，已有學(xué)者對(duì)機(jī)器代替人工的農(nóng)產(chǎn)品挑選工作進(jìn)行了探索和研究，因此本文將針對(duì)大豆不完善粒檢測(cè)中不同的現(xiàn)代儀器設(shè)備的應(yīng)用，進(jìn)行了展望和討論。

1 不完善粒的人工挑選方法

進(jìn)口大豆主要有3大類不完善粒。第1類是不完善粒，是指完整度在75%以下的大豆；第2類是未熟粒，是指在生產(chǎn)過程中由于各種因素導(dǎo)致的具有發(fā)青干癟等特點(diǎn)的大豆；第3類是損傷粒，是指在生長或者運(yùn)輸過程中由于各種原因而導(dǎo)致的大豆損傷。損傷粒又可以細(xì)分為病斑粒、生霉粒、熱損傷粒、蟲蝕粒和漲大粒等，如圖1所示。人工挑選方法為：將去除大雜后的進(jìn)口大豆樣品約100 g倒入白瓷盤中，先用毛刷將豆皮挑選出來放置雜質(zhì)盒中，再挑選出占比最大的不完善粒，然后按照大豆表皮特征快速識(shí)別出病斑粒、熱損傷粒、生霉粒等，分別放入帶有分類名稱標(biāo)記的鋁盒中，最后使用刀片剖皮和切片方式查看子葉情況鑒別疑似大豆，反復(fù)檢查直至白瓷盤中剩余大豆顆粒均為完整粒為止。人工挑選操作的難點(diǎn)在于需要剖開問題大豆的表皮，觀察內(nèi)部子葉的實(shí)際情況，由于根據(jù)表皮顏色和形態(tài)的判斷有時(shí)具有誤導(dǎo)性，例如，某些表皮顯示異常的大豆，其子葉可能很完整，屬于正常糧粒；而某些表皮正常的大豆，其子葉內(nèi)部也可能不完整，則屬于損傷粒。因此，通過剝落大豆的表皮、觀察子葉的內(nèi)部情況，才能保證大豆不漏檢和不錯(cuò)檢，進(jìn)而保證結(jié)果的準(zhǔn)確性[4-6]。

圖1 進(jìn)口大豆不完善粒和雜質(zhì)圖

2 不完善粒分類及特征

2.1 病斑粒

圖2是病斑粒的圖片，病斑大豆是由于大豆感染某些病菌使得大豆顏色異常，有明顯的發(fā)黑凹陷，某些表皮正常的大豆內(nèi)部是發(fā)黑發(fā)褐的，也屬于病斑粒。

圖2 進(jìn)口大豆病斑粒實(shí)物展示圖

2.2 未熟粒

未熟粒的特征為顏色發(fā)青（體積占1/2）或者表皮癟縮（表面積占1/2），觀察外表有的存在凹陷，類似于缺水的樣子，同樣，有些外皮顏色正常的大豆，將其刨開之后，內(nèi)部顏色也有發(fā)青發(fā)綠，這種也屬于未熟粒。

2.3 熱損傷粒

如圖3所示，進(jìn)口大豆熱損傷粒實(shí)物比正常大豆偏紅，大多數(shù)為紅褐色，也有些表皮顏色正常，而內(nèi)部呈現(xiàn)偏紅色，此類屬于熱損傷粒。有個(gè)別存在表皮紅色，內(nèi)部呈現(xiàn)正常顏色則不屬于熱損傷。

圖3 進(jìn)口大豆熱損傷粒實(shí)物展示圖

2.4 蟲蝕粒

圖4是蟲蛀粒，進(jìn)口大豆蟲蛀粒數(shù)量比較少，但是特征比較容易區(qū)分，其上面有明顯的蟲蛀的小洞和痕跡，大多數(shù)蟲蛀粒也是病斑粒，均歸屬于損傷粒里，以蟲蛀的洞口為區(qū)分。

圖4 進(jìn)口大豆蟲蝕粒實(shí)物展示圖

2.5 生霉粒

圖5是生霉粒的展示圖，生霉粒的表面一般伴隨著肉眼可見的霉斑、霉塊等，顏色一般有白色、灰色和黑色等，其與病斑的區(qū)分較為困難，需要仔細(xì)觀察，大多數(shù)生霉的大豆只有部分生霉點(diǎn)，而不會(huì)大面積生霉，外觀常常伴隨著毛感。

圖5 進(jìn)口大豆生霉粒實(shí)物展示圖

3 常見的篩選不完善粒方法

3.1 直徑篩選法

通過手工對(duì)30個(gè)試驗(yàn)樣品進(jìn)行不完善粒挑選，總結(jié)發(fā)現(xiàn)：總時(shí)間為100%的條件下，挑選不完善粒花費(fèi)的時(shí)間約占40%，熱損傷?；ㄙM(fèi)時(shí)間約占10%，未熟粒挑選時(shí)間約占20%，生霉粒和病斑粒挑選時(shí)間也都約為10%。可見，不完善粒的挑選雖然最易判別，但耗時(shí)最多。由于不完善粒與完整粒的外形差距較大，可以考慮采用直徑篩選的方法。然而，由于不完善粒的特殊形狀[7-9]，部分不完善粒的最大直徑和完整粒相同，非常容易卡住篩口，效率非常低，常常篩了幾遍還沒有將完整粒粒和不完善粒分開。因此，本次研究中我們淘汰了這種篩選辦法。此外，國內(nèi)外文獻(xiàn)資料還能夠查到風(fēng)力篩選和圓周滑落等篩選方法，但效率都不高[10-12]。

3.2 斜面法

具體操作方法是：將大豆樣品置于一個(gè)斜面頂端并使其滑落下來，完整粒由于表面光滑阻力小能夠滑到斜面底部，而不完善粒因其不規(guī)則形狀，則會(huì)停在斜面中間的位置，從而將破碎豆快速分離。對(duì)此，設(shè)計(jì)一個(gè)小型的斜面機(jī)，就可以實(shí)現(xiàn)實(shí)驗(yàn)室的便攜操作。

3.3 人工手扒法

通過對(duì)比鑷子挑選和人工手扒挑選法發(fā)現(xiàn)，鑷子挑選由于要逐一夾取顆粒并放入容器，費(fèi)時(shí)又費(fèi)力。而手扒挑選法是指尖將破碎豆劃到白瓷盤一邊，一次可以扒取幾粒至幾十粒不等，大大節(jié)省了挑選時(shí)間。

3.4 挑選順序優(yōu)化

通過人工手扒法將不完善粒挑選出來之后，建議優(yōu)先挑選未熟粒，因?yàn)槲词炝５谋砥ゎ伾话闫嗥G，相對(duì)容易觀測(cè)，然后是生霉粒，表皮一般具有發(fā)白、發(fā)灰的毛斑狀，接下來挑選表皮顏色較重的大豆顆粒，將其刨開之后觀察子葉顏色，如果發(fā)紅可判定為熱損傷粒、發(fā)黑則是病斑粒，這樣就可以把復(fù)雜的挑選過程簡化為青、紅、黑3種顏色的挑選，可以提高效率和準(zhǔn)確性。在挑選過程中，要注意辨別蟲蝕粒，蟲蝕粒的特點(diǎn)（表皮有孔洞）比未熟粒更明顯，但是在進(jìn)口大豆中很少見到，如果發(fā)現(xiàn)蟲蝕粒，則可以直接進(jìn)行分類。

4 現(xiàn)代技術(shù)在挑選不完善粒中的應(yīng)用

4.1 近紅外光譜技術(shù)方法

崔麗霞[13]設(shè)計(jì)了一種近紅外光譜技術(shù)（波段范圍900～1 700 nm）和電氣聯(lián)動(dòng)的馬鈴薯缺陷檢測(cè)分選裝置，可同時(shí)實(shí)現(xiàn)2種內(nèi)部缺陷檢測(cè)（馬鈴薯黑心病和環(huán)腐?。┖头诌x剔除。該裝置由微型近紅外光譜儀、輸送系統(tǒng)、剔除系統(tǒng)和PLC控制系統(tǒng)組成，微型近紅外光譜儀可實(shí)現(xiàn)馬鈴薯內(nèi)部缺陷無損檢測(cè)；輸送系統(tǒng)利用電動(dòng)滾筒和皮帶實(shí)現(xiàn)馬鈴薯輸送；剔除系統(tǒng)利用氣動(dòng)元器件實(shí)現(xiàn)缺陷馬鈴薯剔除；PLC控制系統(tǒng)控制裝置運(yùn)行以完成缺陷馬鈴薯檢測(cè)及分選。因此，將近紅外光譜技術(shù)應(yīng)用到大豆內(nèi)部缺陷無損檢測(cè)中，可以檢測(cè)并分選出未熟粒、病斑粒、熱損傷粒、凍傷粒和生霉粒等不完善粒。

4.2 圖像視覺處理技術(shù)

劉福華[14]研究了基于機(jī)器視覺的水果分級(jí)分揀系統(tǒng)關(guān)鍵技術(shù)，研究表明，利用機(jī)器視覺測(cè)量具有精度高、結(jié)果穩(wěn)定可靠和非接觸性等優(yōu)點(diǎn),通過對(duì)蘋果進(jìn)行尺寸測(cè)量、空間定位,并根據(jù)果形大小、色澤光潔程度和表面缺陷等指標(biāo)進(jìn)行特征識(shí)別,可以實(shí)現(xiàn)對(duì)蘋果品質(zhì)的科學(xué)精準(zhǔn)分級(jí)和自動(dòng)分揀。由此可見，建立大豆不完善粒圖像數(shù)據(jù)庫，然后通過攝像技術(shù)呈現(xiàn)待檢大豆顆粒圖像，與數(shù)據(jù)庫的信息比對(duì)進(jìn)行判定，為大豆不完善?？鞕z設(shè)備提供了設(shè)計(jì)思路。

4.3 顏色監(jiān)控儀器技術(shù)

通過查閱文獻(xiàn)可知，在花生的品質(zhì)監(jiān)控挑選中，運(yùn)用到了顏色監(jiān)控儀器，實(shí)現(xiàn)了全自動(dòng)化監(jiān)管和挑選，降低了人工成本。但是考慮到大豆的大小和精度要求比花生精細(xì)得多，所需要自動(dòng)化的技術(shù)支撐就更高，其造價(jià)也較高，因而無法進(jìn)行顏色監(jiān)控。

5 結(jié)語

本研究經(jīng)過對(duì)30個(gè)試驗(yàn)樣品的人工挑選得知，人工挑選的成本較大且效率較低。未來，相信通過采用斜面機(jī)、近紅外掃描儀和圖像視覺處理技術(shù)等方法，可以大大提高進(jìn)口大豆不完善粒的挑選效率，有效降低人工成本。