近红外光谱技术快速无损检测轻度霉变玉米

• Published in: 食品安全质量检测学报 Vol. 16; no. 4; pp. 18 - 25
• Main Authors: 李杰, 高春, 许丽, 朱旱林, 庞敏, 操丽丽
• Format: Journal Article
• Language: Chinese
• Published: 合肥工业大学食品与生物工程学院,合肥 230601 2025; 农产品智能化绿色质选技术与装备安徽省联合共建学科重点实验室,合肥 230071%农产品智能化绿色质选技术与装备安徽省联合共建学科重点实验室,合肥 230071; 农产品现代加工安徽省重点实验室,合肥 230601
• Subjects: 黄曲霉毒素; near-infrared spectroscopy; Zea mays; 玉米; 反向传播神经网络; 近红外光谱; backpropagation neural network; aflatoxin
• ISSN: 2095-0381
• DOI: 10.19812/j.cnki.jfsq11-5956/ts.20241106008

目的 应用近红外光谱(near-infrared spectroscopy,NIRS)技术对轻度霉变玉米中黄曲霉毒素进行快速无损检测.方法 本研究选取轻度霉变的玉米样本作为实验材料,以黄曲霉毒素B1(aflatoxin B1,AFB1)的含量作为检测指标,利用NIRS图像采集系统收集了 153 个样本图像,采用多元散射校正、标准正态变换及移动平均平滑(moving average smoothing,MAS)3种预处理方法对样本的原始NIRS数据(raw near-infrared spectral data,RNSD)进行预处理.并采用反向传播神经网络(backpropagation neural network,BPNN)、极限学习机和支持向量机对处理后的光谱数据与AFB1含量数据进行建模分析,评估预处理方法对模型性能的影响;并通过连续投影算法(stepwise projection algorithm,SPA)对预处理数据进行特征光谱选取后代入模型进行综合比较.结果 最佳光谱预处理方法为 MAS,通过 SPA选取出 10 个特征光谱,使用 BPNN模型时预测结果最佳,模型预测集的决定系数可达到 0.932,相对预测偏差为 3.922,该模型具有良好的性能和可靠性.结论 利用NIRS技术测定轻度霉变玉米中的AFB1含量具备可行性,本研究成果为NIRS在鉴别其他农产品方面的应用提供了重要的参考依据.