【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(huì)引起稻谷品質(zhì)下降,嚴(yán)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(shù)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(shù)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(diǎn),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(shù)實(shí)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(yù)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(yù)處理方式。在此基礎(chǔ)上構(gòu)建并優(yōu)化稻谷典型貯藏霉菌和毒素近紅外檢測數(shù)學(xué)模型,建立稻谷典型貯藏霉菌定性和定量識(shí)別方法,并基于最優(yōu)檢測數(shù)學(xué)模型設(shè)計(jì)便攜式貯藏稻谷霉菌和毒素指標(biāo)分析儀,同時(shí)為稻谷貯藏霉菌和毒素實(shí)時(shí)準(zhǔn)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(jié)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(duì)近紅外透射光譜響應(yīng)的研究,發(fā)現(xiàn)稻谷樣品在掃描溫度為25℃時(shí)12個(gè)波長點(diǎn)處的相對(duì)標(biāo)準(zhǔn)偏差最小,最小為3.026%。確定樣品掃描6次時(shí)相對(duì)標(biāo)準(zhǔn)偏差最小,為9.436%;運(yùn)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(shí),存在5個(gè)光譜信息豐富的區(qū)域,其波峰處的相對(duì)標(biāo)準(zhǔn)偏差最小,最小可為3.180%。通過對(duì)每個(gè)波數(shù)下的吸光度平均值和標(biāo)準(zhǔn)偏差的對(duì)比,以及綜合考慮光譜的分辨能力和光譜采集時(shí)間等因素,確定最佳分辨率為8 cm-1。依據(jù)每個(gè)波數(shù)下的吸光度平均值和標(biāo)準(zhǔn)偏差以及綜合考慮光譜信噪比和光譜采集時(shí)間等因素,確定最佳掃描次數(shù)為64次。結(jié)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(yàn)要求。(2)探索了基于光譜曲線預(yù)處理算法的稻谷霉菌和毒素官能團(tuán)特征吸收光譜數(shù)據(jù)挖掘。采用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換和標(biāo)準(zhǔn)正態(tài)變量變換+去趨勢五種算法對(duì)稻谷霉菌和毒素原始光譜進(jìn)行了預(yù)處理,并結(jié)合有機(jī)物官能團(tuán)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(yù)處理后光譜重疊峰分辨效果,分析比較了不同預(yù)處理算法對(duì)稻谷霉菌和毒素光譜的影響,一階導(dǎo)數(shù)算法對(duì)光譜重疊峰分辨效果最好;根據(jù)稻谷樣本基團(tuán)在各吸收峰位和強(qiáng)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(jié)果表明:確定的最優(yōu)預(yù)處理算法可滿足本試驗(yàn)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(tuán)的各級(jí)倍頻與合頻的吸收,將為建立、優(yōu)化近紅外檢測數(shù)學(xué)模型提供理論依據(jù)。(3)構(gòu)建了基于近紅外光譜的稻谷霉菌和毒素檢測數(shù)學(xué)模型。通過模擬稻谷貯藏試驗(yàn),建立了貯藏環(huán)境溫度和含水率對(duì)稻谷表面霉菌菌落總數(shù)影響規(guī)律的數(shù)學(xué)模型,該模型可以描述和預(yù)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(dǎo)稻谷安全貯藏;采用競爭型酶聯(lián)免疫法對(duì)貯藏稻谷黃曲霉毒素B1含量進(jìn)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(xué)生化殘差判別法算法對(duì)模型預(yù)測性能的影響,發(fā)現(xiàn)所選擇的4種算法實(shí)現(xiàn)了對(duì)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(yù)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(yù)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(yù)測集決定系數(shù)分別為0.872和0.863,校正標(biāo)準(zhǔn)偏差和預(yù)測標(biāo)準(zhǔn)偏差分別為2.376和2.352,優(yōu)化小波消噪模型預(yù)測精度高于常規(guī)光譜預(yù)處理建立的模型預(yù)測精度;利用支持向量機(jī)算法建立了稻谷黃曲霉毒素B1支持向量機(jī)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(yù)測精度明顯高于小波消噪后PLSR建模預(yù)測精度;選擇數(shù)量少、有代表性的波長點(diǎn),應(yīng)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(yù)測數(shù)學(xué)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(luò)算法,多元線性回歸可解決全光譜建模計(jì)算量大、過擬合等不足;在純種接種條件下,當(dāng)霉菌濃度高于3101?個(gè)/ml,可將五種貯藏霉菌區(qū)分開來;而對(duì)于混合接種情況,當(dāng)霉菌濃度高于5101?個(gè)/ml時(shí),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(chǔ)藏狀態(tài),純種水平接種方式下,可利用聚類分析算法實(shí)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(shí)別算法;當(dāng)霉菌濃度在1101?個(gè)/ml-3101?個(gè)/ml范圍內(nèi),利用特征光譜吸收和霉菌濃度建立數(shù)學(xué)模型線性關(guān)系顯著,而霉菌濃度在1101?個(gè)/ml-6101?個(gè)/ml范圍內(nèi),所建數(shù)學(xué)模型線性關(guān)系較差。結(jié)果表明:應(yīng)用近紅外光譜技術(shù)結(jié)合小波分析、聚類分析等手段可以有效預(yù)測稻谷霉菌菌落總數(shù)和黃曲霉毒素B1含量,可實(shí)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(xué)模型可以減少運(yùn)算量,提高檢測精度,更適合于現(xiàn)場檢測,為設(shè)計(jì)應(yīng)用于現(xiàn)場檢測的便攜式光譜分析儀提供依據(jù)。(4)設(shè)計(jì)了適用于現(xiàn)場檢測的便攜式貯藏稻谷霉菌和毒素指標(biāo)分析儀。根據(jù)優(yōu)化后的近紅外預(yù)測數(shù)學(xué)模型,提出光纖探頭、便攜式光源結(jié)構(gòu),并設(shè)計(jì)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(yàn)驗(yàn)證了儀器檢測結(jié)果與化學(xué)值結(jié)果高度接近,可以達(dá)到現(xiàn)場檢測的應(yīng)用要求。結(jié)果表明:所優(yōu)化的近紅外預(yù)測數(shù)學(xué)模型實(shí)用性較好,基于嵌入數(shù)學(xué)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(jié)合光譜曲線預(yù)處理、小波分析、多元線性回歸、支持向量機(jī)回歸、聚類分析等分析方法可以實(shí)現(xiàn)實(shí)時(shí)、準(zhǔn)確檢測稻谷霉菌菌落總數(shù)和黃曲霉毒素B1含量,可實(shí)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(xué)模型可以克服全光譜建模計(jì)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(shù)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(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：S379.5
【圖文】：

圖 1-1 常見貯藏霉菌Fig.1-1 Common storage moulds研究僅對(duì)從糧食中分離出來的微生物種類和數(shù)量進(jìn)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(diǎn)。周建新等[23,24]發(fā)現(xiàn)稻谷儲(chǔ)藏初期細(xì)菌為優(yōu)勢菌，隨著貯藏時(shí)間的延長霉菌逐漸成為優(yōu)勢真菌，細(xì)菌數(shù)量減少，且霉變嚴(yán)重時(shí)，白曲霉和黃曲霉處于正常儲(chǔ)藏狀態(tài)下霉菌含量。霉菌指標(biāo)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?fàn)�階段。霉變是一個(gè)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(yán)重的酸腐臭成團(tuán)。當(dāng)霉菌數(shù)量超過41 10cfu/g，稻谷儲(chǔ)藏狀態(tài)正常。當(dāng)霉菌數(shù)量超過開始發(fā)生霉變。Adriana Laca 等[25]進(jìn)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(guān)[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(yùn)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(qiáng)[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(xué)結(jié)構(gòu)式Fig.1-3 The chemistry structure of aflatoxin B1稻谷霉菌、毒素研究進(jìn)展方法對(duì)于對(duì)稻谷中霉菌和毒素進(jìn)行準(zhǔn)確檢測和家標(biāo)準(zhǔn)中，細(xì)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(xué)結(jié)構(gòu)式he chemistry structure of aflato霉菌、毒素研究進(jìn)展于對(duì)稻谷中霉菌和毒素進(jìn)行準(zhǔn)中，細(xì)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(jì)發(fā)達(dá)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(duì)待測樣品稀釋處理，將

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

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

本文編號(hào)：2751650