贮藏期间粮食霉变控制方法的研究

粮食在储藏过程中发生霉变会造成巨大损失,控制粮食储藏过程中的霉变是确保粮食安全的关键环节。本文对粮食霉变的主要构成要素以及如何采取有效的措施预防粮食霉变进行了详细阐述。     

不同模拟温湿度环境下高水分玉米籽粒的品质变化

以京农科728玉米籽粒为研究对象,测定不同储藏温度(15、20、25、35、45℃)、湿度(40%～55%、75%、80%～90%)模拟储藏条件下小尺度高水分玉米籽粒的湿基水分、黄度、色差、粗淀粉含量及α-淀粉酶变化规律及其淀粉颗粒显微结构。结果表明,低温、高温低湿对玉米籽粒的霉变有一定的抑制作用;储藏过程中高水分玉米的水分、色差和黄度三者之间高度相关,且储藏环境湿度越高,三者之间的线性相关性越显著;此外,高水分玉米籽粒的品质变化受到储藏湿度的影响明显大于储藏温度对其的影响,譬如35℃-RH=80%～90%条件下的玉米籽粒在储藏第4天后即发生霉变,而35℃-RH=40%～55%、20℃-RH=75%、15℃-RH=75%等条件下的玉米籽粒可完好储藏至180 d,其中15℃和20℃条件下的玉米籽粒水分可达15%。     

玉米储藏过程中生理代谢与品质变化机理研究进展

玉米是最重要的储粮品种之一。随着粮库玉米存量不断增长,研究储藏过程中玉米生理代谢与品质变化机理和相关指标的变化规律,确保玉米的品质和安全储藏显得尤为重要。玉米的品质在储藏期间更会受到温度、湿度和气候变化等储藏条件的影响。玉米原始含水量对玉米粒和营养成分的影响显著,原始含水量越大,霉变程度越大,呼吸作用越强,脂肪和淀粉含量降低越快。玉米脂质由于呼吸和水解酶的作用,生成大量游离脂肪酸,脂质又是细胞膜的组分,细胞膜也会因氧化而被破坏,导致细胞生理活动紊乱。本文综述了玉米储藏期间生理代谢、营养成分变化机理、理化特性以及主要生物有害物变化规律,以期通过储藏前和储藏过程中品质指标的检测来判别其玉米储藏后品质劣变。     

稻谷储藏过程中发热霉变研究进展

受外界高温高湿环境条件、含水量等因素的影响,稻谷在储藏过程中易发生发热霉变的现象,严重影响稻谷品质及经济效益。本文详细综述了稻谷发热原因、发热类型以及稻谷霉变成因、霉变过程品质变化、霉变防控,为稻谷的安全储藏提供了依据。     

安全储藏玉米技术探讨

北方玉米调往南方储藏时,容易发热、霉变、生虫。安全储藏玉米的关键是要控制玉米的入库水分和温度,储藏时要通风,降温降水,低温密闭并进行虫害防治。     

玉米霉变与其图像颜色特征参数之间的相关性研究

通过模拟玉米霉变过程,定时测定了玉米霉变期间的带菌量;同时利用扫描仪器对霉变玉米的图像进行采集,提取颜色特征参数,分析并探讨了霉变玉米的颜色特征与带菌量之间的相关性。结果显示,两种玉米在霉变过程中,随着储藏时间的延长,其颜色特征参数R、G、B、I值均呈减小趋势,并与霉变玉米的带菌量呈现负相关,郑单958带菌量与其特征参数G值相关性较高,达到-0.928 1,说明用G值表示郑单958的带菌量准确性较高;先玉335带菌量与其特征参数R值相关性较高,达到-0.939 0,说明用R值表示先玉335的带菌量准确性较高。试验结果表明,采用图像处理技术以图像颜色特征参数值来表示玉米的带菌量及霉变程度是可行的。     

霉变玉米气体传感器阵列快速检测

玉米易受霉菌感染发生霉变,影响食用安全。快速测定玉米霉变程度是控制其危害的前提。本研究拟利用基于气体传感器阵列的电子鼻技术,获取不同霉变程度玉米的特征气味信息,建立玉米霉变程度快速检测方法。辐照灭菌玉米分别接种5种谷物中常见有害霉菌,并于28 ℃和85%相对湿度环境中储藏15 d直至严重霉变。在第0、6、9、12和15 d,采集样品的气味信息的电子鼻特征响应信号,建立了玉米霉变程度的定性定量模型。结果表明,主成分分析(PCA)法可成功区分不同霉变程度的玉米样品。线性判别分析(LDA)对受单一霉菌侵染的不同霉变程度玉米样品的平均识别率达93.3%以上,全部样品达76.7%。样品中菌落总数的偏最小二乘回归分析(PLSR)模型的预测决定系数(R_p2)达0.777,预测均方根误差和相对分析偏差(RPD)分别为0.981 log CFU/g和2.12。结果表明,应用电子鼻技术快速检测玉米霉变具有一定可行性,下一步需要不断扩大样本量以提高方法的精度和可靠性。     

不同储藏条件下稻谷霉菌区系演替的研究

研究了不同储藏条件下稻谷霉菌区系演替及品质变化.结果表明,储藏温度、水分对稻谷霉菌区系演替有重要影响.储藏温度、水分越高,稻谷霉茵量增加越快,也越容易发生霉变,而且曲霉是优势菌.稻谷霉菌量与是否发生霉变及霉变的程度有关,霉菌量在104 cfu/g以下,稻谷处于安全储藏状态,达到105cfu/g时开始发生霉变,超过106 cfu/g时霉变已经相当严重.霉菌的活动最终将影响储藏稻谷的品质,其值变化与霉菌演替有明显的相关性.本研究对利用生态条件控制稻谷中霉菌生长及利用霉菌指标判定稻谷的储藏稳定性,具有重要的现实意义.     

浅谈玉米的储藏

在分析玉米独特的结构及储藏特点的基础上，针对其不好保管，极易发热、霉变的特性，提出了安全储藏玉米要做到分等级、分水分入仓，低温密闭的具体措施。     

农户玉米穗储藏特性及其储藏损失的研究

在辽宁东部地区,以农户储藏的玉米穗为研究对象,选择原始储粮方式和示范储粮技术2种仓型,开展玉米穗储藏特性及储粮损失研究。定期测定玉米穗储藏期间的玉米粒、玉米芯的水分及玉米粒的脂肪酸值、不完善粒、容重指标,研究和分析玉米穗储藏期间霉变指标、鼠害损失、品质变化等情况。并首次提出利用玉米出籽率计量玉米穗鼠害损失的测量方法。经对比试验验证,传统储粮仓鼠害损失为10%~20%,示范储粮仓型可有效避免鼠害带来的储粮损失,同时避免因鼠害而引起的粮食霉变以及品质的劣变。对农户科学储粮试验研究,新型农户科学储粮装备研究等方面都具有一定的参考作用。     

我国粮食作物中的黄曲霉毒素的研究进展

<正>黄曲霉毒素(aflatoxin,AFT)是霉菌,有着大量的代谢产物的,多达20多种,其代谢产物对水稻、玉米、小麦等粮食作物有着很强的侵染性。这种霉变发生多发生在热带地区中,随着粮食作物出口贸易的加深,粮食作物在采收、储藏和运输的过程中,都面临着黄曲霉毒素污染的危险,这些污染对粮食作物造成不可弥补的损     

基于光谱和图像信息融合的玉米霉变程度在线检测

融合可见-近红外光谱和机器视觉分析技术,建立玉米霉变程度在线检测方法。辐照灭菌玉米分别接种5 种谷物中常见有害霉菌,并于28 ℃和85%相对湿度环境中储藏15 d至严重霉变。在样品储藏的第0、6、9、12、15天,同时在线采集其光谱及图像特征信息,将提取的样品光谱特征波长和图像颜色特征参数融合成总特征参数,建立玉米霉变程度定性定量模型。结果表明,主成分分析可成功区分不同霉变程度的玉米样品;基于光谱和图像信息融合的线性判别分析模型对不同霉变程度玉米样品的整体识别率达91.1%,比单独应用光谱和图像时的准确率分别提高4.4%和8.9%;基于信息融合的玉米菌落总数偏最小二乘回归模型结果也同样较优,模型预测决定系数Rp2为0.894 1,均方根预测误差为0.665（lg（CFU/g））,相对分析偏差达3.06。结果表明光谱和图像数据融合能够提高模型精度,在霉变玉米在线检测方面具有可行性。下一步应不断扩大样品量,补充自然霉变及受更多代表性霉菌侵染的玉米样品,以不断增强模型的鲁棒性和适用性。     

基于SVM的粮食霉变预测分类方法研究

霉变是导致粮食储藏过程中数量减少、质量降低的重要因素,若能早期预测粮食是否会发生霉变,提前采取处置措施,对保障粮食储藏安全,降低粮食损失具有重要的意义。本文采用支持向量机算法,并通过网格搜索优化参数,分别建立了稻谷和小麦霉变的预测分类模型,以判定在给定水分、温度和储藏时间的条件下是否会发生霉变。实验结果表示,稻谷平均准确率可达96%以上,小麦平均准确率可达92%以上。同时本研究采取不同规模的小样本训练建模,并与BP神经网络模型进行对比,训练结果表明,基于SVM的模型准确率高且表现稳定,明显优于BP神经网络模型。     

基于HPLC检测方法的真菌毒素代谢规律研究

玉米是我国主要的储备粮种之一,营养丰富且带菌量大,在收获、储藏等过程中,易发生霉变,产生大量真菌毒素,引发储粮安全问题。本文通过一次前处理实现对玉米样品中多种毒素的提取与检测,确定了AFTB₁、AFTB₂、AFTG₁、AFTG₂、ZEN、DON共6种玉米中常见真菌毒素的高效液相色谱检测方法。为了明确玉米储藏过程中真菌毒素代谢和温度的关系,我们将前期获得的两株产毒霉菌:黄曲霉和禾谷镰刀菌,接种于无菌玉米粉中,在22、28、38℃以及常温下储藏40 d后,监测其毒素含量变化。结果表明:温度对两种菌的真菌毒素代谢能力有较大的影响,较高的温度虽然会有利于霉菌的生长繁殖,但是其代谢产毒会受到抑制,较低的温度下,虽然霉菌的生长受到抑制,但也可能产生了大量的毒素。为更好的解析霉菌在玉米储藏过程中的产毒规律,确保储粮安全提供了数据支撑。     

小麦储藏过程中发热霉变研究进展

综述了小麦储藏过程中发热霉变的主要原因、营养成分的变化及预防治理方法,为小麦安全储藏提供参考依据。     

基于电子鼻的霉变黄豆和白芸豆检测方法

豆类富含蛋白质、碳水化合物等营养物质,不但可直接烹饪食用,而且可以作为其它食品的原料。在储藏过程中,豆类易受环境的影响而霉变,而霉变豆类中所含霉菌毒素进入体内后将严重损害健康。因此,霉变程度评估对指导豆类储藏具有重要意义。本文用黄豆和白芸豆为试验材料,根据豆类霉变所产生的特征气体,合理选用相应的气敏传感器组成阵列,构建用于豆类霉变程度检测的电子鼻系统。采用人工感官方法评价豆类样品的霉变状态。同时使用电子鼻检测不同储藏时间的豆样品,以主成分分析法区分电子鼻检测的试验数据,并采用随机共振方法提取豆类样品的霉变特征值,构建豆类霉变检测模型,用于黄豆和白芸豆样品霉变状态的快速表征。     

基于IFA-SVM的粮食霉变预测研究

霉变的发生会导致粮食品质下降甚至粮食浪费,是影响粮食安全储藏的重要因素之一。粮食霉变过程是一个持续过程,在不同发展阶段有着不同的发展规律。本文提出一种基于萤火虫算法优化支持向量机参数(IFA-SVM)的预测分类模型,引入高斯函数非线性改变萤火虫算法的步长,将稻谷作为研究对象,判断稻谷在给定的温度、水分、储藏时间条件下是否发生霉变。选择实验室生化培养箱对实际存储环境进行模拟,结果显示,相比传统的SVM模型、BP神经网络模型和FA-SVM模型,IFA-SVM模型对稻谷霉变情况的预测准确率可达96%且迭代时间降低,在实际粮食存储霉变预测领域有良好的应用前景。     

怎样及时发现粮食霉变

在粮食储藏过程中,及时发现初期霉变现象,可避免损失。几种主要粮食发生霉变的早期征兆较明显的有: 稻谷:其早期变化表现为籽粒湿润变软,断面粉白,略带霉味;未熟粒、发芽粒偶见白细或绿色的霉点,发热严重的会造成黄粒。     

稻谷霉变程度与敏感品质变化关系研究

将水分为23%、21%、19%和17%的稻谷置于模拟仓中储藏,检测其在储藏过程中霉菌菌落总数、色泽、脂肪酸值、黄粒米、丙二醛和发芽率等品质指标的变化,以期找出稻谷霉变敏感品质指标及其与稻谷霉变程度之间的关系。     

玉米籽粒霉变等级高光谱图像检测方法研究

为了快速、无损检测出储藏玉米籽粒不同霉变状况,提升玉米收储环节质检效率,尝试利用高光谱成像技术结合机器学习算法构建玉米籽粒霉变等级分类模型。采集400～1 000 nm波段范围内玉米籽粒高光谱图像,以测定的真菌孢子数为依据,将籽粒霉变状态划分为健康、轻度霉变、中度霉变和重度霉变4个等级,采用随机蛙跳(RF)算法优选出7个光谱特征变量,针对特征波段图像,利用Tamura算法共提取出21个纹理特征变量,基于颜色矩阵提取出21个颜色特征变量。进一步结合支持向量机(SVM)、极限学习机(ELM)和偏最小二乘回归(PLSR)3种算法分别建立基于光谱、图像和图谱特征融合的玉米籽粒霉变等级分类模型。经分析比较,融合光谱和图像特征并结合ELM算法建立的分类模型用于玉米籽粒霉变等级识别效果最优,训练集和测试集分类准确率(Acc)分别为94.21%和93.86%,并将玉米籽粒霉变等级进行可视化表达。