小麦霉菌侵染程度电子鼻快速检测方法的初步研究

本研究利用电子鼻气体传感器技术,初步建立了小麦霉菌侵染程度定性定量同步分析方法。小麦样品经辐照杀菌后接种5种谷物中常见有害霉菌,于85%相对湿度和28℃的环境中储藏至重度霉变。在样品储藏的不同阶段,选取时间节点0、1、3、5和7 d采集其电子鼻气味响应信息,建立了其响应信号和霉菌侵染程度的相关关系模型。结果显示,依据带菌量的不同,基于电子鼻信号的主成分分析法(PCA)可成功区分未霉变[2.7 log(CFU/g)]、轻度霉变[2.7～4 log(CFU/g)]与重度霉变[4 log(CFU/g)]的小麦样品;线性判别分析(LDA)对受单一霉菌侵染的小麦样品霉变程度的识别率达90.0%以上,对所有小麦样品的识别率达84.0%。偏最小二乘回归模型(PLSR)对小麦菌落总数的模型决定系数(R_p~2)和预测误差(RMSEP)及相对分析偏差(RPD)分别为0.852,0.504 log(CFU/g)和2.30。结果表明,利用电子鼻技术实现小麦霉菌侵染程度的快速识别是可行的。下一步应不断补充不同来源的小麦样品,以不断提高模型的精度和适用性。     

微波干燥与鼓风干燥对稻谷品质的影响

本试验研究了热风与微波干燥条件下不同品种稻谷爆腰率、发芽率、糊化特性变化及RVA谱特征值与各项品质指标的相关性。研究结果表明,微波干燥更易造成稻谷特别是籼稻爆腰并降低发芽率。RVA谱特征值与表观直链淀粉、爆腰率增长量密切相关,热风与微波干燥时消减值与表观直链淀粉和爆腰率增长量呈极显著正相关,相关系数分别为0.889~(**)、0.906~(**)和0.789~(**)和0.846~(**)。热风与微波干燥时表观直链淀粉与爆腰率增长量也呈极显著正相关,相关系数为0.848~(**)和0.971~(**)。干燥影响了粳稻与糯稻的食味,米饭硬度略有增加。籼稻由于直链淀粉含量高,微波干燥对其品质影响较大,不利于后期储藏及食用。     

基于气相离子迁移谱技术的稻谷中玉米象快速定量检测分析

本文基于稻谷中玉米象挥发性成分特异性,利用气相离子迁移谱技术快速采集玉米象成虫、原样稻谷以及虫粮混合物的顶空气体信息,提取特征气味组分信号后形成气味指纹图谱,并尝试构建了稻谷中玉米象污染的定量线性模型。研究结果表明,玉米象污染稻谷中共计检出37种挥发性化合物,其中醇类12种,醛类10种,酮类5种;不同玉米象数量样品GC-IMS信号强度存在显著差异,以戊醛、3-戊酮、苯乙烯、2-戊酮为特征的挥发性组分对应信号强度与玉米象密度呈典型线性关系,对应的R2在0.986-0.988之间,可以作为玉米象污染稻谷的重要标识物质。研究结果证实了利用GC-IMS可以实现不同密度下稻谷中玉米象成虫数量的快速识别,将推动基于气味信息的快速检测技术在粮食产后储藏品质控制和安全评价方面的应用与推广。     

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。