大米加工精度的检测方法探讨

大米加工精度是评价大米品质的重要指标,市场上对大米认知存在着一定的消费误区,认为加工精度越高的大米就越好,其实精度越高大米的营养成分失去越多.在大米生产中,对大米加工精度检测多采用人工判断方法,根据多年的工作实际经验,探讨影响大米精度的主要因素,介绍大米加工精度检测的几种原理和方法,参考行业里常用检测技术,供同行间交流...     

基于图像处理技术大米加工精度的检测研究

研究了数字图像处理技术检测大米加工精度的方法,选择R-B值作为特征参数,建立了测定方法.在大米未经染色的情况下,可以快速、客观检测大米加工精度.     

基于颜色特征和BP神经网络的大米加工精度判别方法研究

提出了基于颜色特征和BP神经网络判别大米加工精度的方法。设计了基于机器视觉的大米加工精度检测装置采集大米图像,利用图像处理技术对获取的大米图像进行预处理,提取大米籽粒目标图像;在大米籽粒腹部确定半径为R的圆形区域作为颜色特征值提取区域,将颜色特征值提取区域按面积平均分成5个同心圆子区域,提取每个子区域的R、G、B颜色值,并将颜色值转成色调H值作为描述大米籽粒表面加工精度的颜色特征值,以5个颜色特征值作为输入值,采用BP神经网络对大米的加工精度进行检测。试验结果表明:该方法对4种不同加工精度大米样品籽粒检测的平均准确率为92.17%。     

大米加工精度在线检测技术的研究进展

阐明了发展大米加工精度在线检测技术的重要性,介绍了质量表征法、紫外-可见光谱法、近红外光谱法和图像分析技术在检测大米加工精度中的应用,综述了大米加工精度在线检测技术的研究进展,为大米加工精度的测定方法研究提供参考。     

一种检测稻米加工精度的新方法

通过测定大米碾磨粉碎后浸出液的电导率,研究了大米碾减率与其浸出液电导率之间的关系,参照目前的大米加工精度等级国家标准,制定出大米加工精度的定量标准。试验结果表明,大米的加工精度等级与其浸出液电导率之间存在显著的相关性,根据大米浸出液电导率可以进行大米加工精度等级的判定。     

大米加工精度的检验及其管理实践

本文介绍了大米加工精度的基本概念;系统地总结了感观检验大米精度的方法及实践经验;对在生产中如何准确掌握大米加工精度,进行了比较详细的分析。     

大米碾削程度和碾削能耗关系的试验研究

以三种稻谷（早稻、中稻和晚稻）为试验材料,研究大米碾削程度和碾削能耗之闻的关系。首先采用试验砻谷机和碾米机,将大米碾削15-90s的时间,制成不同碾削程度的大米样本,然后分别采用称重法、染色法和功率表法,测定出每一个样本的糙出白率、加工精度等级和能量消耗,最后通过数学统计的方法分析大米加工精度和能耗的关系。结果显示,大米的糙出白率随着碾削时间的延长线性降低：大米的能耗随着糙出白率的降低呈指数增加：而大米的加工精度每提高一个精度等级,其单位能耗最少增加90％。     

不同加工精度对大米主要储藏特性影响的研究

大米适度加工是我国现阶段粮食加工和保障国民健康的重要举措。为探究不同加工精度对大米储藏特性的影响,以原阳大米、稻花香、晚丝苗、美香黏和长粒香 5种大米为原料,在3个不同加工精度、储藏天数、储藏温度、不同包装材料4个因素的影响下,对其在储藏过程中脂肪酸值、过氧化值和还原糖的变化进行了研究。结果表明在75%湿度下,大米在15℃下储藏的储藏效果优于25℃;两种包装材料PVDC和PA下储藏效果无明显差异;温度、包装材料和加工精度对大米储藏过程中的影响程度从大到小依次为：加工精度>温度>包装材料。储藏天数在90天之内,碾磨强度为2时,储藏温度15℃、湿度75%,包装材料PVDC的大米品质较好。储藏时间超过90天,碾磨强度为1时,储藏温度15℃、湿度75%,包装材料PVDC的大米较好。     

大米加工精度与碾白程度检测的研究

本研究对不同品种稻谷进行碾米实验，测定碾米全过程的不同碾白程度米粒样品的糙出白率、碾白卒、大米白度、表面色及染色后呈色，分析和比较了各测定值的特性及其相互关系，结果表明：用碾白率表示碾白程度和加工精度较准确，米粒染色后呈色测定的a值和b值与碾白率的关系反映了糙米籽粒结构的特征．可以根据碾白是否到达或超过临界碾白率来检测大米加工精度和碾白程度。     

大米抛光效果的检测方法

阐述了大米抛光的过程和作用原理,讨论了如何利用加工精度、白度和光洁度来检查大米的抛光效果及抛光效果的量化检查方法。     

发芽米中γ-氨基丁酸含量的测定

应用氨基酸自动分析仪测定功能食品发芽米中的γ-氨基丁酸.利用60%的乙醇溶液水浴提取样品,茚三酮柱后衍生,采用氨基酸分析仪测定发芽米中的γ-氨基丁酸.结果显示,加标回收率在98.6%～107.0%之间,GABA最低检出限为0.97 pmol.该方法简便,检测结果准确可靠,重现性好.     

稻米食味品质影响因素研究进展

随着生活质量与消费水平的提高,消费者稻米消费观念已从“吃得好”转变为“吃得健康”,对稻米食味品质和营养品质提出更高要求。稻米食味品质是衡量稻米品质的重要指标,受多种因素的影响。稻米中各营养组分的含量、结构、相互作用及其呈现的理化性质是导致稻米食味品质差异的主要原因,此外,不同蒸煮方法下采用不同的米水比、蒸煮压力、蒸煮温度亦使稻米呈现出不同食味品质,显著影响着稻米可接受度。稻米食味品质虽与加工精度呈正比,但过度加工可导致稻米营养成分大量流失及人体糖分摄入过高,故平衡稻米食味品质与营养品质的适度加工技术成为了当前研究的重要方向。本文总结了稻米的营养组分、理化性质、蒸煮方法及加工精度等因素对稻米食味品质的影响规律,概述了未来稻米食味品质的研究与发展方向,为稻米食味品质的改善和稻米品种的改良提供了理论参考。     

基于图像纹理分析的大米加工等级检测方法

利用不同加工等级大米表面纹理不同的特点,提出了基于纹理分析的大米加工等级检测方法。设计了大米的计算机视觉检测系统,获取4个不同加工等级大米标准样的图像,采用灰度梯度共生矩阵的纹理分析方法提取图像的纹理特征值,采用Fisher判别法和PNN神经网络对大米加工等级进行检测判定。试验结果表明:Fisher判别法和PNN神经网络对4种不同加工等级的大米样品检测判定的正确率分别是96.25%和90.00%。     

用毛细管气相色谱分析黄酒中的甜蜜素

建立了毛细管气相色谱分析黄酒中的甜蜜素的方法。先使样品通过沸水浴蒸发干后,在硫酸介质中与亚硝酸钠反应,生成环己醇亚硝酸酯,最后用毛细管柱分离,GC-FID检测甜蜜素含量。结果表明,本方法线性范围为0.1～2.0 mg/mL,最低检出限为2 mg/kg,加标回收率为95.4%～113.7%,相对标准偏差为2.34%～4.84%。该方法操作简便、快速、精密度好、准确度高,比较适合用于黄酒中甜蜜素含量的测定。     

气相色谱-串联质谱法测定大米中非法添加的石蜡

建立测定大米中石蜡的气相色谱-串联质谱（GC-MS/MS）法。 样品经石油醚提取,浓缩后用正己烷溶解,加浓硫酸净化,通过 对C24、C26、C28、C30、C335种烷烃的测定,进行石蜡的定性分析,用上述5种烷烃的峰面积之和进行定量分析。 该方法的检出限为0.25mg/kg, 定量限为0.75mg/kg,加标回收率及精密度实验的平均回收率为93.38%～110.22%,相对标准偏差（RSD）为5.42%～12.11%,相关系数为 0.9980。结果表明,该方法精密度良好,检测结果可靠,可作为大米中石蜡的测定方法。     

不同加工精度籼米的感官品质和营养品质

为保证大米良好的食用品质的条件下尽可能保留营养成分,寻找籼米的适度加工范围,以6种不同品种的籼糙米为研究对象,将其分别碾磨成不同加工精度的籼米,通过感官评价和喜好度评价对不同加工精度的籼米米饭进行实验,并对比适碾米和精碾米的部分营养成分含量的差异,进而评价不同加工精度籼米的感官品质和营养品质.结果表明:随着加工精度的逐...     

大米监督抽检中总汞、镉、铬检验方法的偏离验证

目的验证大米监督抽检中总汞、镉、铬检验方法的偏离,提高检测效率和降低仪器损耗 。方法分别从方法的准确度、精密度以及回收率进行验证。结果偏离验证的结果为：偏离方法准确度满意;精密度在2.80%~13.88%之间,在规定的范围内;回收率在86%~106%之间。结论偏离方法简单、准确、高效,可用于大米的监督检验。     

机器视觉在稻米整精米率快速计算中的应用

将机器视觉技术以及图像处理方法应用于稻米整精米率计算,通过图像预处理仅保留图像中大米的轮廓信息,并采用闭合图形边缘搜索方法提取大米轮廓像素点。由于米粒形似椭圆,并以长轴为对称轴来实现米粒长度的快速计算。实验结果表明,该算法检测与人工检测相关系数为0．96,可用于整精米率的快速检测。     

转基因大米TT51-1品系精准定量检测方法的比较研究

基于大米蔗糖磷酸合成酶(SPS)基因和TT51-1品系特异性基因序列筛选适用于数字PCR的内、外源基因特异性引物探针并建立转基因大米TT51-1品系的双重数字PCR定量方法。其定量的绝对灵敏度和相对灵敏度分别达2 copies/μL和0.1%。当样品中TT51-1转基因大米成分含量低至0.1%时,6次定量值的相对标准偏差在7.30%~18.63%之间,偏差在-8.77%~9.62%之间,精密度和稳定性均较为理想,而同样的引物探针所建立的实时荧光PCR方法定量的相对灵敏度仅达到1%。为促进该方法的标准化应用,将微滴式数字PCR平台上建立的定量方法在芯片式数字PCR平台上进行室内验证,结果表明该方法的定量精密度和准确性符合要求。该方法可应用于大米、稻谷及其初加工产品中TT51-1转基因大米成分的精准定量检测。     

基于高光谱技术的不同霉变程度籼稻快速鉴别

为解决快速、无损鉴别籼稻霉变程度问题。该文利用高光谱技术采集正常、轻度霉变、中度霉变和重度霉变共4类籼稻样本的光谱数据,经不同预处理后,通过连续投影算法(SPA)提取特征波长,采用多元线性回归判别分析(MLR-DA)建立籼稻霉变程度鉴别模型。同时,通过竞争性自适应重加权算法(CARS)筛选特征变量,采用偏最小二乘法回归判别分析(PLS-DA)建立鉴别模型。研究结果表明,SG-SPA-MLRDA和RAW-CARS-PLS-DA模型的验证集相关系数RP均大于0.950。其中,RAW-CARS-PLS-DA模型的预测效果最优,其验证集相关系数RP为0.969,均方根误差RMSEP为0.269,对未知籼稻样本的总体分类准确率为93.33%。该模型对不同霉变程度籼稻具有较强的鉴别能力,故该方法可为快速、无损鉴别籼稻霉变程度提供技术支持。