農(nóng)作物霉變研究現(xiàn)狀綜述

張亮 劉鵬

[摘要]糧食儲存過程中的霉變問題是我國糧食安全的重點關(guān)注問題，糧食霉變程度的檢測與識別是評價糧食品質(zhì)的重要依據(jù)。為保證儲糧品質(zhì)，減少霉變造成的糧食品質(zhì)下降和經(jīng)濟損失，準確、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，對其霉變檢測方法進行了總結(jié)，分析了這幾種方法的優(yōu)缺點，同時對未來檢測糧食霉變的方法進行了展望。

[關(guān)鍵詞]糧食霉變;霉變檢測;糧食品質(zhì)

中圖分類號：TS207.4 文獻標識碼：A DOI：10.16465/j.gste.cn431252ts.202009

每年我國農(nóng)作物在儲存、運輸、銷售過程中因霉變而造成的損失達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)對農(nóng)產(chǎn)品霉變的檢測方法主要有人工感官評定、微生物法檢測，人工感官評定對人員專業(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，費時費力，還會損害農(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。目前對于花生霉變的檢測方法有多種，丁然[2]提出了一種基于機器視覺和近紅外光譜技術(shù)的農(nóng)產(chǎn)品霉變檢測方法，通過對霉變花生的顏色、紋理特征進行提取，建立數(shù)據(jù)庫模型，對花生霉變的識別有良好的效果;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，對花生仁中5種微量有害霉菌進行檢測、識別;王金英等[4]提出了基于計算機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分量對花生霉變程度進行檢測，準確率超過了93%。

以上幾種方法都是采用計算機視覺的方法，獲取霉變區(qū)域圖像后對圖像進行處理，最終達到識別的目的，并且識別率也很高。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用支持向量機進行數(shù)據(jù)分析，最終對霉變玉米的識別率達到了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)對霉變玉米進行識別，準確率超過了90%;褚璇[7]提出針對谷物霉菌的高光譜成像辨識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、物理化學表征相輔相成的多變量分析等數(shù)據(jù)處理方法，對玉米的霉變的識別率超過了99.5%。

以上幾種方法都是通過高光譜相機獲取圖像，再對圖像進行處理。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，因此識別率可以達到很高。但是這幾種方法需要對大量數(shù)據(jù)進行處理，信息處理的效率相對低下;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，小麥霉變的檢測對減少小麥的儲藏損失意義重大。偉利國等[8]研制了一套能夠快速對小麥霉變進行識別的電子鼻檢測系統(tǒng)，該系統(tǒng)通過分析小麥的氣味，判斷所測小麥是否霉變，能夠快速準確評判小麥的霉變情況，正確識別率達到93.3%;韓楓[9]提出二氧化碳監(jiān)測法對儲糧早期霉變位點定位的方法，通過糧堆中不同部位二氧化碳氣體的濃度及其變化特點對實倉中的霉變位點進行準確定位;嚴松等[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）對不同霉變程度小麥的揮發(fā)性氣體進行檢測，分析氣體成分來檢測小麥的霉變程度，識別率達95.83%。

以上方法都是通過采集小麥霉變之后產(chǎn)生的物理化學信息來識別，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也會產(chǎn)生二氧化碳氣體，影響檢測結(jié)果，并且在這些物理化學信息出現(xiàn)時，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，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。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價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)的大豆等級識別方法，對霉變、破損、蟲蝕三種不完整豆粒的分級準確率達到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行圖像采集與識別，系統(tǒng)的平均識別精度為90.33%。

以上方法雖然能夠檢測出霉變大豆，但并沒有對大豆的霉變程度進行說明，并且不管是電子鼻的方法還是機器視覺的方法，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、玉米和大豆四個方面對農(nóng)作物霉變的檢測方法進行了概述，分析了這些方法存在的優(yōu)缺點?，F(xiàn)有的檢測方法大多都是在霉變發(fā)生后才能檢測，還是會有大量的糧食因霉變而被浪費，因此對糧食霉變的檢測仍需要不斷創(chuàng)新。今后的研究重點應(yīng)該放在霉變檢測的準確、超前與效率上，建立更加精準的信息采集系統(tǒng)，選取更細微的霉變特征，在霉變未發(fā)生前就將霉變發(fā)生的趨勢檢測出來，從而提前對將要發(fā)生霉變的糧食進行處理，避免損失。

參考文獻

[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別方法[J].農(nóng)業(yè)工程學報，2007（4）：158-161.

[2]丁然.基于機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，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花生仁霉變的分析[J].食品科學，2017（12）：315-320.

[4]王金英，董禮.基于計算機視覺的花生霉變程度檢測[J].農(nóng)機化研究，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的霉變玉米檢測[J].中國糧油學報，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，2017.

[7]褚璇.谷物霉菌的高光譜成像辨識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，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)機化研究，2009（11）：191-193.

[9]韓楓.二氧化碳監(jiān)測法對儲糧早期霉變位點定位的研究[D].鄭州：河南工業(yè)大學，2016.

[10]嚴松，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，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].中國食品學報，2016，16（3）：190-197.

[12]侯升飛.基于圖像處理與光譜技術(shù)的大豆等級識別方法的研究[D].哈爾濱：東北農(nóng)業(yè)大學，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，2010.