论文部分内容阅读
玉米采获后极易受霉菌污染,霉菌代谢会产生对人畜有害的霉菌毒素。针对传统粮食霉变检测方法时效性差、灵敏度低等问题,本文主要研究受有害霉菌污染玉米的光谱、图像信息和挥发性气味的变化规律。首先研究了基于傅里叶变换近红外光谱和电子鼻技术的静态检测方法;进一步研究了基于可见/近红外光谱和图像处理技术的动态检测方法。本研究主要结论如下:1、建立静态下基于光谱和电子鼻的玉米霉变判别模型。傅里叶变换近红外光谱结果表明,玉米样品的主要吸收峰位于4538cm-1、4858cm-1、5699cm-1、5857cm-1和6966 cm-1等处,与蛋白质、线型脂类物质和芳香烃中C-H、N-H、O-H等基团的合频和倍频密切相关。电子鼻结果表明随着霉变程度加深,T30/1、T70/2、PA/2、P10/1等代表碳氢化合物、芳香族化合物、氮化合物类物质的响应信号逐步减弱,而代表醇、酮类物质的LY2/G、LY2/AA、LY2/GH的响应信号逐渐增强。通过对比基于光谱和电子鼻的霉变玉米定性定量模型可知,近红外光谱对霉变玉米的判别精度优于电子鼻。全部玉米样品的光谱最优线性判别分析（LDA）模型的预测集正确率为90%,比电子鼻模型提高了17.3%;光谱最优偏最小二乘回归（PLSR）模型的预测均方根误差（RMSEP）为0.620 log CFU/g,比电子鼻模型降低了58%;相对分析偏差（RPD）为3.45,比电子鼻模型提高了62.7%。结果表明,傅里叶变换近红外光谱和电子鼻技术对霉变玉米检测具有可行性。2、建立动态下基于光谱和图像的玉米霉变判别模型。可见/近红外光谱结果显示,霉变玉米样品的主要吸收峰位于962 nm,1143 nm和1411 nm处,分别对应于蛋白质中C=O键、N-H键、脂肪酸中C-H键的二级振动和淀粉中C-H键的一级基频振动等。图像处理结果显示霉菌代谢会导致玉米出现表面颜色黯淡、光泽度降低等外部品质变化。基于可见/近红外光谱对全部玉米样品建立LDA和PLSR模型,高速下光谱最优LDA模型的预测集正确率为86.7%;RMSEP和RPD分别为0.823 log CFU/g和2.46。基于图像对全部玉米样品建立LDA和PLSR模型,高速下图像LDA模型的预测集正确率为82.2%;PLSR模型的RMSEP和RPD分别为0.717 log CFU/g和2.93。对比不同速度下玉米霉变模型结果可知,低速和高速下模型稳健性相差不明显。3、建立动态下基于光谱和图像信息融合的玉米霉变判别模型。结果表明,光谱和图像信息融合优化了模型精度,提高了模型的鲁棒性。高速下全部玉米样品的光谱和图像融合LDA模型的预测集正确率为91.1%,比光谱和图像模型分别提高了5.1%和10.8%;PLSR模型的RMSEP为0.665 log CFU/g,比光谱和图像模型降低了7.3%和10.8%;RPD值为3.06,比光谱和图像模型提高了24.4%和4.4%。4、对比静态和动态下模型可知,静态光谱模型的精度高于动态光谱和图像模型,通过光谱和图像信息融合降低了在线检测给模型带来的干扰,优化了玉米霉变的定性分析模型,定量模型精度依然低于静态模型。结果表明,可见/近红外光谱和图像处理技术融合具有霉变玉米在线检测的实际运用潜力。