【摘要】：貯藏稻谷常受到微生物侵染,尤其典型霉菌和毒素的侵染會引起稻谷品質(zhì)下降,嚴重危害稻谷貯藏安全。常規(guī)的生化檢測方法如平板培養(yǎng)法、薄層層析法、高效液相色譜法以及酶聯(lián)免疫法在檢測周期、操作技術難度或檢測成本等方面存在一定的局限和不足。近紅外光譜技術具備非破壞性、分析速度快、成本低、穩(wěn)定性好、污染小等優(yōu)點,適合于現(xiàn)場檢測,是一種潛在的解決手段。本課題利用近紅外光譜技術實現(xiàn)了稻谷典型貯藏霉菌和毒素的快速、無損檢測。研究近紅外光譜分析儀掃描條件、光譜曲線預處理算法、稻谷典型霉菌和毒素近紅外特征光譜挖掘、異常樣品剔除算法、光譜數(shù)據(jù)預處理方式。在此基礎上構建并優(yōu)化稻谷典型貯藏霉菌和毒素近紅外檢測數(shù)學模型,建立稻谷典型貯藏霉菌定性和定量識別方法,并基于最優(yōu)檢測數(shù)學模型設計便攜式貯藏稻谷霉菌和毒素指標分析儀,同時為稻谷貯藏霉菌和毒素實時準確檢測提供一種新的方法依據(jù)。本文主要研究內(nèi)容和結論如下:(1)探討了近紅外穩(wěn)定性檢測影響因素。采用近紅外光譜分析儀采集貯藏稻谷光譜數(shù)據(jù),通過對近紅外透射光譜響應的研究,發(fā)現(xiàn)稻谷樣品在掃描溫度為25℃時12個波長點處的相對標準偏差最小,最小為3.026%。確定樣品掃描6次時相對標準偏差最小,為9.436%;運用傅立葉變換近紅外光譜分析儀采集貯藏稻谷光譜數(shù)據(jù),考察了在不同掃描溫度、不同分辨率以及不同掃描次數(shù)下的近紅外透射光譜吸光度的變化,稻谷樣品在掃描溫度為25℃時,存在5個光譜信息豐富的區(qū)域,其波峰處的相對標準偏差最小,最小可為3.180%。通過對每個波數(shù)下的吸光度平均值和標準偏差的對比,以及綜合考慮光譜的分辨能力和光譜采集時間等因素,確定最佳分辨率為8 cm-1。依據(jù)每個波數(shù)下的吸光度平均值和標準偏差以及綜合考慮光譜信噪比和光譜采集時間等因素,確定最佳掃描次數(shù)為64次。結果表明:適宜的近紅外光譜掃描條件可以提高透射光譜檢測性能,確定的掃描條件可滿足后續(xù)光譜采集試驗要求。(2)探索了基于光譜曲線預處理算法的稻谷霉菌和毒素官能團特征吸收光譜數(shù)據(jù)挖掘。采用一階導數(shù)、二階導數(shù)、多元散射校正、標準正態(tài)變量變換和標準正態(tài)變量變換+去趨勢五種算法對稻谷霉菌和毒素原始光譜進行了預處理,并結合有機物官能團在近紅外區(qū)域基頻、倍頻吸收譜帶確定了稻谷霉菌和毒素特征吸收光譜譜帶;根據(jù)光譜曲線預處理后光譜重疊峰分辨效果,分析比較了不同預處理算法對稻谷霉菌和毒素光譜的影響,一階導數(shù)算法對光譜重疊峰分辨效果最好;根據(jù)稻谷樣本基團在各吸收峰位和強度上的差異,確定了稻谷霉菌菌落、黃曲霉毒素B1、黑曲霉菌、白曲霉菌、青霉菌、灰綠曲霉菌、黃曲霉菌和上述五種混合霉菌特征近紅外光譜譜帶。結果表明:確定的最優(yōu)預處理算法可滿足本試驗挖掘特征光譜數(shù)據(jù)的特定要求。稻谷典型霉菌和毒素在近紅外譜區(qū)的吸收主要是含氫基團的各級倍頻與合頻的吸收,將為建立、優(yōu)化近紅外檢測數(shù)學模型提供理論依據(jù)。(3)構建了基于近紅外光譜的稻谷霉菌和毒素檢測數(shù)學模型。通過模擬稻谷貯藏試驗,建立了貯藏環(huán)境溫度和含水率對稻谷表面霉菌菌落總數(shù)影響規(guī)律的數(shù)學模型,該模型可以描述和預測稻谷表面霉菌菌落總數(shù)在貯藏倉內(nèi)的變化規(guī)律,指導稻谷安全貯藏;采用競爭型酶聯(lián)免疫法對貯藏稻谷黃曲霉毒素B1含量進行了測定,研究發(fā)現(xiàn)稻谷樣品黃曲霉毒素B1參考值數(shù)據(jù)服從正態(tài)分布;分析比較了不同異常樣品剔除算法即樣品濃度殘差判別法、樣品馬氏距離判別法、樣品杠桿值和學生化殘差判別法算法對模型預測性能的影響,發(fā)現(xiàn)所選擇的4種算法實現(xiàn)了對霉菌菌落和黃曲霉毒素B1光譜數(shù)據(jù)異常樣本的判別和剔除;采用常規(guī)光譜預處理方式和小波分析方式處理稻谷黃曲霉毒素B1光譜數(shù)據(jù),確定小波分析為最優(yōu)預處理方式。分解小波基函數(shù)為Daubechies5小波,分解尺度水平為3。優(yōu)化小波消噪后建模校正集決定系數(shù)和預測集決定系數(shù)分別為0.872和0.863,校正標準偏差和預測標準偏差分別為2.376和2.352,優(yōu)化小波消噪模型預測精度高于常規(guī)光譜預處理建立的模型預測精度;利用支持向量機算法建立了稻谷黃曲霉毒素B1支持向量機回歸模型,確定了基于RBF核函數(shù)模型最優(yōu)參數(shù)為c=106,?=0.0015,該模型預測精度明顯高于小波消噪后PLSR建模預測精度;選擇數(shù)量少、有代表性的波長點,應用多元線性回歸算法,建立稻谷霉菌菌落和黃曲霉毒素B1近紅外預測數(shù)學模型。發(fā)現(xiàn)多元線性回歸算法明顯優(yōu)于BP神經(jīng)網(wǎng)絡算法,多元線性回歸可解決全光譜建模計算量大、過擬合等不足;在純種接種條件下,當霉菌濃度高于3101?個/ml,可將五種貯藏霉菌區(qū)分開來;而對于混合接種情況,當霉菌濃度高于5101?個/ml時,才可將五種貯藏霉菌區(qū)分開來;稻谷霉菌濃度在5101?cfu/g以下處于正常的儲藏狀態(tài),純種水平接種方式下,可利用聚類分析算法實現(xiàn)開始霉變前的稻谷霉菌種類有效鑒別,聚類分析是一種理想的定性識別算法;當霉菌濃度在1101?個/ml-3101?個/ml范圍內(nèi),利用特征光譜吸收和霉菌濃度建立數(shù)學模型線性關系顯著,而霉菌濃度在1101?個/ml-6101?個/ml范圍內(nèi),所建數(shù)學模型線性關系較差。結果表明:應用近紅外光譜技術結合小波分析、聚類分析等手段可以有效預測稻谷霉菌菌落總數(shù)和黃曲霉毒素B1含量,可實現(xiàn)低濃度條件下霉菌種類鑒別和霉菌含量定量分析。優(yōu)化后的近紅外檢測數(shù)學模型可以減少運算量,提高檢測精度,更適合于現(xiàn)場檢測,為設計應用于現(xiàn)場檢測的便攜式光譜分析儀提供依據(jù)。(4)設計了適用于現(xiàn)場檢測的便攜式貯藏稻谷霉菌和毒素指標分析儀。根據(jù)優(yōu)化后的近紅外預測數(shù)學模型,提出光纖探頭、便攜式光源結構,并設計了與分析儀相配套的軟件系統(tǒng),該系統(tǒng)可解決模型無法通用的問題。通過試驗驗證了儀器檢測結果與化學值結果高度接近,可以達到現(xiàn)場檢測的應用要求。結果表明:所優(yōu)化的近紅外預測數(shù)學模型實用性較好,基于嵌入數(shù)學模型的便攜式分析儀在現(xiàn)場檢測方面更有優(yōu)勢。提出近紅外光譜方法結合光譜曲線預處理、小波分析、多元線性回歸、支持向量機回歸、聚類分析等分析方法可以實現(xiàn)實時、準確檢測稻谷霉菌菌落總數(shù)和黃曲霉毒素B1含量,可實現(xiàn)低濃度條件下霉菌種類鑒別和霉菌含量定量分析,該方法較常規(guī)的檢測方式更加便捷、客觀;提出的近紅外檢測數(shù)學模型可以克服全光譜建模計算量大、過擬合等不足,提高檢測精度,更適合于現(xiàn)場檢測,為稻谷霉菌和毒素快速、無損、現(xiàn)場檢測提供理論和技術依據(jù),也為稻谷貯藏過程中品質(zhì)控制提供一種新的思路。
【學位授予單位】：東北農(nóng)業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：S379.5
【圖文】：

圖 1-1 常見貯藏霉菌Fig.1-1 Common storage moulds研究僅對從糧食中分離出來的微生物種類和數(shù)量進行研究，研究發(fā)現(xiàn)稻谷霉菌、黑曲霉菌和灰綠曲霉菌檢出率較高[22]。隨著研究的深入，菌系交替點。周建新等[23,24]發(fā)現(xiàn)稻谷儲藏初期細菌為優(yōu)勢菌，隨著貯藏時間的延長霉菌逐漸成為優(yōu)勢真菌，細菌數(shù)量減少，且霉變嚴重時，白曲霉和黃曲霉處于正常儲藏狀態(tài)下霉菌含量。霉菌指標影響稻谷的貯藏穩(wěn)定性。稻谷霉即初期霉變階段、生霉階段和霉爛階段。霉變是一個連續(xù)變化的過程，但與發(fā)展的階段性。到霉變中期已經(jīng)肉眼可見。霉變后期出現(xiàn)嚴重的酸腐臭成團。當霉菌數(shù)量超過41 10cfu/g，稻谷儲藏狀態(tài)正常。當霉菌數(shù)量超過開始發(fā)生霉變。Adriana Laca 等[25]進行了更為深入的研究，發(fā)現(xiàn)霉菌主要面及表層。霉菌生長繁殖速度、種類演替與稻谷水分含量有關[26-28]。中有毒代謝產(chǎn)物毒素的污染可以發(fā)生在植物的生長、收獲和加工、貯藏、運輸?shù)冗^程中。黃曲霉毒素 B1（如圖 1-2 所示），黃曲霉毒素 B1致癌性也最強[29]，國際癌

圖 1-2 黃曲霉毒素 B1Fig.1-2 Aflatoxin B1穩(wěn)定，一般加工條件下極難降解，一般超過 26 圖 1-3 黃曲霉毒素 B1化學結構式Fig.1-3 The chemistry structure of aflatoxin B1稻谷霉菌、毒素研究進展方法對于對稻谷中霉菌和毒素進行準確檢測和家標準中，細菌和霉菌的測定還是沿用傳統(tǒng)的霉毒素 B1是小分子物質(zhì)且穩(wěn)定性好，通常不霉毒素 B1方法一般為薄層層析法[39,40]、高效

1-3 黃曲霉毒素 B1化學結構式he chemistry structure of aflato霉菌、毒素研究進展于對稻谷中霉菌和毒素進行準中，細菌和霉菌的測定還是沿 B1是小分子物質(zhì)且穩(wěn)定性好 B1方法一般為薄層層析法[39,4046]等。在歐美等經(jīng)濟發(fā)達國家定主要采用微生物快速檢測方液相色譜、液質(zhì)聯(lián)用和酶聯(lián)免用平板培養(yǎng)的方法，該檢測方首先對待測樣品稀釋處理，將

【參考文獻】

相關博士學位論文 前1條

1 金長江;基于近紅外光譜與機器視覺技術的漿果品質(zhì)檢測研究[D];東北農(nóng)業(yè)大學;2011年

本文編號：2751650