儲糧安全監(jiān)測儀的實倉應用研究

劉尚峰 田 琳 張海洋 蔣傳福呂 明 王 佳 祁智慧 唐 芳

(1 安徽糧食批發(fā)交易市場有限公司現(xiàn)代糧食物流中心庫 230061) (2 國家糧食和物資儲備局科學研究院 100037)

糧食儲藏過程中受到多種因素的影響，除水分、溫度、濕度等非生物因子外，以害蟲和霉菌為主的生物因子是威脅糧食儲藏安全、造成糧食損失的主要因素[1]。生物體在新陳代謝的過程中產(chǎn)生多種代謝物，將代謝物作為信號介質進行蟲、霉監(jiān)測是糧情檢測技術發(fā)展的重要方向。

目前國內(nèi)糧情監(jiān)測主要依托糧溫檢測技術，糧溫測控系統(tǒng)相對穩(wěn)定且抗熏蒸，在儲糧安全檢測中已廣泛使用，為保障我國儲糧安全發(fā)揮了巨大作用。但隨著科技進步和新時期社會發(fā)展的需要，“優(yōu)質糧食工程”對儲糧品質的要求日益提高，儲糧安全監(jiān)測智能化日常管理需求日趨增加，糧溫測控系統(tǒng)檢測結果滯后等問題導致不能及時處理異常糧情、致使儲糧品質降低的問題日漸突出[2-3]。因此，開發(fā)能夠早期監(jiān)測糧堆異常糧情的技術和設備，做到早檢測、早發(fā)現(xiàn)、早處理，提高儲糧質量，是新時期儲糧行業(yè)發(fā)展的一項重要任務。

呼吸代謝是生物體最基本的代謝活動之一，當糧堆處于穩(wěn)定狀態(tài)時，自身呼吸作用產(chǎn)生的CO2濃度含量低且穩(wěn)定[4]。而當糧堆內(nèi)有害蟲或者微生物活動時，產(chǎn)生的CO2氣體遠遠高于糧食本身[5]。研究表明霉菌生長或害蟲活動都與CO2濃度具有良好的相關性[6-9]，CO2濃度變化能在一定程度上反映糧堆內(nèi)有害生物的發(fā)生情況[10-11]，但如何進行霉菌和害蟲危害的區(qū)分，及時采取合理的處置措施，是需要解決的關鍵問題。

經(jīng)過近十年的儲糧生物危害規(guī)律研究，我們自主研發(fā)了儲糧安全監(jiān)測儀。它通過在線采集糧堆溫度、濕度和CO2濃度，將檢測結果與微生物生長模型和儲糧危害等級及類型判定模型相結合，可實現(xiàn)糧堆中蟲、霉危害情況的早期檢測和智能判定結果輸出。該項技術已獲得了國家發(fā)明專利授權。本文利用儲糧安全監(jiān)測儀在安徽合肥地區(qū)開展實倉應用。通過采集糧堆相關數(shù)據(jù)，智能判定糧堆中有害生物的發(fā)生類型及危害等級，并進行人工檢測對比驗證。

1 材料與方法

1.1 供試倉房及儲糧情況

選擇安徽省合肥地區(qū)高大平房倉作為試驗倉，設計倉容4150 t。倉房氣密性-500 Pa至-250 Pa用時48 s。2019年11月入庫本省產(chǎn)晚秈稻谷3045 t，實際裝糧線高5.72 m，稻谷入倉水分13.1%，雜質率1.0%，等級二等。

1.2 儀器設備

AS-01儲糧安全監(jiān)測儀，北京產(chǎn)；DJSFM-1糧食水分測試粉碎磨，成都產(chǎn)；HG-9246A型電熱恒溫鼓風干燥箱，上海產(chǎn)；PRIMOSTAR顯微鏡。

1.3 試驗方法

1.3.1 糧情檢測系統(tǒng)布點情況 在試驗倉內(nèi)布置16個檢測點。糧堆內(nèi)15個檢測點，如圖1所示，檢測點位于糧面下50 cm，其中，①～⑨號點距離見圖中標注，⑩～號點分別離墻25 cm，考慮到短邊為隔墻，受濕熱擴散影響明顯，故各設2個點。另外1個檢測點設在倉內(nèi)空間，用于檢測倉內(nèi)環(huán)境溫濕度變化情況。

儲糧安全監(jiān)測儀于2020年5月初布設到糧倉內(nèi)，每周采集并記錄糧情數(shù)據(jù)，包括倉溫、倉濕、糧溫、糧濕及CO2濃度，監(jiān)控到8月底結束。

圖1 儲糧安全監(jiān)測儀在糧堆內(nèi)的布點圖

1.3.2 其他指標檢測方法 稻谷水分檢測按照GB 5497-85《糧食、油料檢測 水分測定法》[12]105℃的恒重法，儲糧微生物檢測按照LS/T 6132-2018《糧油檢驗 儲糧真菌的檢測 孢子計數(shù)法》[13]，儲糧害蟲檢測按照LS/T 1211-2008《糧油儲藏技術規(guī)范》[14]。

1.4 數(shù)據(jù)處理

數(shù)據(jù)統(tǒng)計及處理采用SPSS 19.0和EXCEL 2010軟件。

2 結果與分析

2.1 稻谷水分變化

2020年5月～8月，每月中旬取樣檢測稻谷水分，結果見圖2。

圖2 試驗期間稻谷水分變化情況

由圖2可見，稻谷的實測水分在稻谷儲藏安全水分(13.5%)[15]以下，稻谷在度夏期間出現(xiàn)發(fā)熱、霉變的可能性較小。稻谷的實測水分均值由12.6%下降至11.9%，與入倉水分13.1%相比，下降幅度達1.2%，稻谷水分的下降與糧食活性、呼吸強度及酶的活性相關[16]，試驗糧2019年年底收獲并入倉，具有較強的活性，儲藏第1年水分會有較大的損失。

2.2 稻谷儲藏糧情分析

2.2.1 糧堆溫度變化 試驗期間倉內(nèi)空間及糧堆內(nèi)各檢測點糧溫均值結果見圖3。

圖3 糧堆及倉內(nèi)溫度變化趨勢圖

由圖3可見，5～8月間，試驗倉糧堆內(nèi)檢測點糧溫逐漸升高，平均糧溫由18.6℃升至27.0℃，升高8.4℃；各檢測點之間溫差較穩(wěn)定，標準差小于1.4℃；全倉糧溫基本穩(wěn)定，試驗期間沒有出現(xiàn)異常發(fā)熱點；倉內(nèi)空間溫度受氣溫影響較大，普遍高于糧堆各檢測點1℃～5℃。

2.2.2 糧堆濕度變化 試驗期間倉內(nèi)空間及糧堆內(nèi)各檢測點相對濕度均值結果見圖4。

由圖4可見，糧堆內(nèi)檢測點相對濕度穩(wěn)定，整體維持在66.5%；各點隨時間延長基本沒有波動；檢測點之間濕度差穩(wěn)定，標準差小于2.6%；倉內(nèi)空間濕度受環(huán)境及進出倉作業(yè)影響波動較大。

2.2.3 糧堆CO2變化 試驗期間各檢測點CO2濃度檢測結果見圖5。

圖4 糧堆及倉內(nèi)相對濕度變化趨勢圖

圖5 糧堆及倉內(nèi)CO2濃度變化趨勢圖

由圖5可見，倉內(nèi)空間CO2濃度隨著儲藏時間的延長，由500 mL/m3逐漸升至1000 mL/m3，說明試驗倉房氣密性較好，也表明糧堆內(nèi)生物因子生命活動較旺盛，呼吸代謝產(chǎn)生的CO2氣體已擴散到倉內(nèi)空間。糧堆內(nèi)各檢測點CO2濃度均值逐漸升高，尤其在7月中后期，CO2濃度升高幅度快速增加；糧堆內(nèi)各檢測點CO2濃度差異較大，表現(xiàn)出較大的標準差，表明有部分檢測點CO2濃度明顯高于其他點。截止到2020年8月17日，糧堆內(nèi)檢測點CO2濃度均值達到倉內(nèi)空間的2.42倍。但具體是害蟲還是霉菌生長，如果沒有智能判定，需要進一步取樣進行檢測確認。

2.3 儀器智能判定結果

根據(jù)檢測到的糧堆溫、濕度及CO2濃度的變化，儲糧安全監(jiān)測儀通過內(nèi)置的智能判定模型，給出了糧堆有害生物危害類型及危害等級，輸出結果見表1。

由表1可見，試驗設置的15個檢測點中，儀器判定的危害類型均為蟲害，危害的等級在Ⅱ和Ⅲ級，其中，危害等級達Ⅲ級的有4、7、10和11 4個檢測點。

2.4 人工檢測

為了解各檢測點有害生物的實際發(fā)生情況，驗證儀器判定的準確性，在8月中旬取樣人工檢測了儲糧害蟲和真菌的發(fā)生情況，結果見表2。

表1 儲糧有害生物發(fā)生情況的儀器判定

表2 儲糧害蟲和真菌的發(fā)生情況的人工檢測結果

由表2可見，人工檢測糧堆內(nèi)的15個檢測點，均發(fā)現(xiàn)有害蟲發(fā)生，蟲糧等級達到嚴重蟲糧的有7個點，害蟲種類以玉米象、扁谷盜和書虱為主。儲糧真菌孢子在7個檢測點有檢出，檢出量最大的4和6號點檢出量達到105個/g水平，根據(jù)儲糧安全性評價危害級別參考表[13]，均未達到真菌危害水平。由此可見，實際造成糧堆CO2濃度升高的主要原因是害蟲的活動，儲糧安全監(jiān)測儀對危害類型判斷的準確率達到100%。儀器對危害等級的判定與人工檢測結果存在一定的誤差，準確率在80%(12/15)。分析儀器判定結果與人工檢測結果的差異，一般蟲糧判定的一致性非常好，出現(xiàn)偏差的主要在嚴重蟲糧的判定。對于判定不一致的5、6、14點，均為書虱數(shù)量占主要比例，書虱對于糧食的實際危害遠不如其他害蟲，但是值得關注。針對試驗倉中有害生物的檢出情況，8月下旬及時對該倉進行了整倉熏蒸，及時控制蟲害，降低了糧食的損失。

由表2還可看出，儲糧真菌的發(fā)生與害蟲的發(fā)生存在一致性，在7個嚴重蟲糧的檢測點有6個點檢出真菌孢子，一致性達到86%。儲糧害蟲和真菌有混合發(fā)生的現(xiàn)象。儲糧害蟲往往具有聚集性特點，大量聚集的害蟲呼吸代謝過程中產(chǎn)生CO2和水，這些水分被糧食中和吸濕后會造成糧粒表面局部水分升高，為真菌的發(fā)生提供了適宜的條件。

3 結論

綜上所述，儲糧安全監(jiān)測儀綜合了糧堆溫度、濕度和CO2濃度的檢測功能，且可以智能判定糧堆中有害生物的發(fā)生類型及危害等級。在本次實倉試驗中，與人工檢測結果對比顯示，儀器的危害類型判定準確率達100%，等級判定準確率達80%，為糧庫未來智能化日常管理提供了新的技術手段。