农作物霉变研究现状综述

张亮 刘鹏

[摘要]粮食储存过程中的霉变问题是我国粮食安全的重点关注问题，粮食霉变程度的检测与识别是评价粮食品质的重要依据。为保证储粮品质，减少霉变造成的粮食品质下降和经济损失，准确、快速地检测粮食的霉变程度极为重要。本文阐述了国内花生、玉米、小麦和大豆的霉变研究现状，对其霉变检测方法进行了总结，分析了这几种方法的优缺点，同时对未来检测粮食霉变的方法进行了展望。

[关键词]粮食霉变;霉变检测;粮食品质

中图分类号：TS207.4 文献标识码：A DOI：10.16465/j.gste.cn431252ts.202009

每年我国农作物在储存、运输、销售过程中因霉变而造成的损失达180亿～240亿元，而霉变的农产品不但品质受到影响，有些还对人体健康存在很大威胁。例如，霉变的花生产生的黄曲霉素具有剧毒性和强致癌性，能够导致肝癌，还可能诱发骨癌、肾直肠癌等;霉变的小麦和玉米也存在很大的安全隐患。目前，国内对农产品霉变的检测方法主要有人工感官评定、微生物法检测，人工感官评定对人员专业素质要求较高且带有主观性，微生物法需要大量的样品，费时费力，还会损害农产品的结构，不适用大量样品的检测。故寻找一种普适、便捷、无损的农产品霉变检测方法具有重要的现实意义[1]。

1 花生霉变的研究现状

花生是中国重要的油料作物，在储存过程中易受到温度和湿度的影响，从而被黄曲霉、寄生曲霉等感染产生霉变。目前对于花生霉变的检测方法有多种，丁然[2]提出了一种基于机器视觉和近红外光谱技术的农产品霉变检测方法，通过对霉变花生的颜色、纹理特征进行提取，建立数据库模型，对花生霉变的识别有良好的效果;蒋雪松等[3]提出通过衰减全反射-傅立叶红外光谱技术快速检测霉变花生的光谱指纹特征，对花生仁中5种微量有害霉菌进行检测、识别;王金英等[4]提出了基于计算机视觉的花生霉变程度检测方法，通过图像分割、维纳滤波去除噪音、选取图像的H分量对花生霉变程度进行检测，准确率超过了93%。

以上几种方法都是采用计算机视觉的方法，获取霉变区域图像后对图像进行处理，最终达到识别的目的，并且识别率也很高。这几种方法操作简单、反应迅速，适用于大范围的霉变检测，不过这几种方法的检测设备较昂贵，且需要一定的数字图像处理基础。

2 玉米霉变的研究现状

玉米作为世界上产量最高的农作物之一，在储存过程中易受赭曲霉、黄曲霉、寄生曲霉、灰绿曲霉和青霉等感染而发生霉变。玉米霉变的检测方法也有多种，袁莹等[5]提出了基于傅立叶变换近红外和支持向量机的霉变玉米检测方法，通过采集不同霉变程度的玉米光谱信息并运用支持向量机进行数据分析，最终对霉变玉米的识别率达到了87.8%;崔博[6]提出基于高光谱成像技术的玉米种子霉变检测方法，利用高光谱成像技术采集玉米种子高光谱图像，选取特征光谱和纹理特征结合BP神经网络对霉变玉米进行识别，准确率超过了90%;褚璇[7]提出针对谷物霉菌的高光谱成像辨识方法和霉变玉米籽粒检测方法，利用高光谱成像技术，结合图谱交互分析、物理化学表征相辅相成的多变量分析等数据处理方法，对玉米的霉变的识别率超过了99.5%。

以上几种方法都是通过高光谱相机获取图像，再对图像进行处理。由于高光谱图像更容易反映出霉变区域的颜色与纹理特征，因此识别率可以达到很高。但是这几种方法需要对大量数据进行处理，信息处理的效率相对低下;且高光谱成像技术系统比较昂贵，应用成本高，难以广泛应用于农产品检测。

3 小麦霉变的研究现状

小麦作为三大谷物之一，在储存过程中因湿度变化等原因易受赭曲霉、寄生曲霉等感染而发霉，小麦霉变的检测对减少小麦的储藏损失意义重大。伟利国等[8]研制了一套能够快速对小麦霉变进行识别的电子鼻检测系统，该系统通过分析小麦的气味，判断所测小麦是否霉变，能够快速准确评判小麦的霉变情况，正确识别率达到93.3%;韩枫[9]提出二氧化碳监测法对储粮早期霉变位点定位的方法，通过粮堆中不同部位二氧化碳气体的浓度及其变化特点对实仓中的霉变位点进行准确定位;严松等[10]提出基于嗅觉可视化的霉变小麦挥发性气体检测方法，采用气相色谱-质谱联用技术（GS-MS）对不同霉变程度小麦的挥发性气体进行检测，分析气体成分来检测小麦的霉变程度，識别率达95.83%。

以上方法都是通过采集小麦霉变之后产生的物理化学信息来识别，需要高灵敏度的传感器，且易受环境温度等的影响，而小麦中的虫害活动也会产生二氧化碳气体，影响检测结果，并且在这些物理化学信息出现时，小麦已经发生了霉变，不利于减少损失。

4 大豆霉变的研究现状

大豆作为原产中国的重要粮食作物之一，已有5000年的栽培历史。大豆吸湿性强，易生霉，大豆籽粒种皮薄，发芽孔大，吸湿能力比小麦、玉米强。大豆吸湿返潮后，体积膨胀，极易生霉。开始是豆粒发软，种皮灰暗、泛白，出现轻微异味，继而豆粒膨胀、变形，脐部泛红，破碎粒出现菌落，品质急剧恶化。在检测大豆霉变的研究中，郑飞翔等[11]提出一种基于电子鼻的霉变黄豆和白芸豆检测方法，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;侯升飞[12]提出基于图像处理与光谱技术的大豆等级识别方法，对霉变、破损、虫蚀三种不完整豆粒的分级准确率达到92%;赵丹婷[13]研究开发基于图像处理技术的大豆外观品质检测系统，分别对正常大豆、病斑大豆、霉变大豆、虫蚀大豆、破碎大豆以及混杂豆粒进行图像采集与识别，系统的平均识别精度为90.33%。

以上方法虽然能够检测出霉变大豆，但并没有对大豆的霉变程度进行说明，并且不管是电子鼻的方法还是机器视觉的方法，都是在大豆发生一定霉变程度后产生气味或者有明显的颜色变化后才能使用，不利于提前预防、减少损失。

5 结 论

本文从小麦、花生、玉米和大豆四个方面对农作物霉变的检测方法进行了概述，分析了这些方法存在的优缺点。现有的检测方法大多都是在霉变发生后才能检测，还是会有大量的粮食因霉变而被浪费，因此对粮食霉变的检测仍需要不断创新。今后的研究重点应该放在霉变检测的准确、超前与效率上，建立更加精准的信息采集系统，选取更细微的霉变特征，在霉变未发生前就将霉变发生的趋势检测出来，从而提前对将要发生霉变的粮食进行处理，避免损失。

参考文献

[1]陈红，熊利荣，胡筱波，等.基于神经网络与图像处理的花生仁霉变识别方法[J].农业工程学报，2007（4）：158-161.

[2]丁然.基于机器视觉和近红外光谱技术的农产品霉变检测方法研究[D].镇江：江苏大学，2015.

[3]蒋雪松，刘鹏，沈飞，等.衰减全反射-傅里叶变换红外光谱法对花生仁霉变的分析[J].食品科学，2017（12）：315-320.

[4]王金英，董礼.基于计算机视觉的花生霉变程度检测[J].农机化研究，2019（8）：223-226.

[5]袁莹，王伟，褚璇，等.基于傅里叶变换近红外和支持向量机的霉变玉米检测[J].中国粮油学报，2015（5）：143-146.

[6]崔博.基于高光谱成像技术的玉米种子霉变检测方法研究[D].沈阳：沈阳农业大学，2017.

[7]褚璇.谷物霉菌的高光谱成像辨识方法和霉变玉米籽粒检测方法研究[D].北京：中国农业大学，2018.

[8]伟利国，张小超，胡小安.电子鼻技术及其在小麦霉变检测中的应用[J].农机化研究，2009（11）：191-193.

[9]韩枫.二氧化碳监测法对储粮早期霉变位点定位的研究[D].郑州：河南工业大学，2016.

[10]严松，林颢.基于嗅觉可视化的霉变小麦挥发性气体检测研究[J].食品科学，2019（3）：1-13.

[11]郑飞翔，李剑，楼雄伟，等.基于电子鼻的霉变黄豆和白芸豆检测方法[J].中国食品学报，2016，16（3）：190-197.

[12]侯升飛.基于图像处理与光谱技术的大豆等级识别方法的研究[D].哈尔滨：东北农业大学，2014.

[13]赵丹婷.基于图像处理技术的大豆外观品质检测系统的研究[D].哈尔滨：东北农业大学，2010.