基于高光谱成像技术对菜心种子霉变的识别

为了鉴别健康与霉变菜心种子,本研究通过高光谱成像技术获得健康与霉变菜心种子光谱,建立判别模型。基于原始光谱和9种预处理后光谱建立支持向量机判别(SVM-DA)模型,发现基于一阶导数预处理后光谱的模型表现最出色,建模集和预测集的准确率分别为95.87%和95.74%。为了去除冗余或不必要的信息,采用遗传算法(GA)对原始光谱和各种预处理后光谱进行波段筛选,并再次建立SVM-DA模型,在这些模型中,FD-GA-SVM-DA模型性能最优,建模集和预测集准确率分别达97.71%和96.81%。研究表明,基于高光谱技术鉴别健康和霉变菜心种子具有可行性。

基于改进卷积神经网络的胶合板霉变检测技术研究

霉变是评价胶合板结构质量的重要指标,其直接影响胶合板的安全性、适用性和耐久性。通过对卷积神经网络进行改进,使用EfficientNetB0模型与迁移学习,提出了胶合板霉变监测模型。EfficientNetB0模型采用神经结构搜索技术设计,通过Adam优化器来更新网络参数。将提出的模型与MobileNetV2、DenseNet201和InceptionV3进行对比,结果表明,所提出的模型不仅减少了参数的数量,同时具有比较高的检测准确率,能够在不同情况下有效地进行胶合板霉变检测。这对胶合板结构质量评价具有一定的实用价值。

雪茄烟叶工业发酵过程中霉变对真菌群落结构的影响研究

为探究雪茄烟叶工业发酵过程中真菌群落结构随霉变发生的变化情况,以德雪一号雪茄烟叶为实验材料,采用微生物学计数方法和Illumina MiSeq高通量测序技术对雪茄烟叶工业发酵过程中正常烟叶和霉变烟叶进行霉菌数量及真菌群落结构变化分析。结果表明:与正常烟叶相比,发酵第30 d霉变雪茄烟叶中,霉菌数量最高(8.3×10^(4) CFU/g),物种丰富度和多样性最低,OTU数量最少;在门水平上,子囊菌门(Ascomycota)在发酵第30 d霉变烟叶中为绝对优势菌门,平均相对丰度为99.82%;在属水平上,曲霉属(Aspergillus)为整个发酵过程中的主要优势菌属,在发酵第30 d霉变雪茄烟叶中平均相对丰度最大(92.32%);发酵第30 d霉变雪茄烟叶与正常烟叶相比在物种组成上具有明显差别,其中曲霉属既是优势菌属,又是组间差异菌属,且在各样品中平均相对丰度均最高,推断其为引起雪茄霉变发生的关键菌属。

储烟霉变机理与防霉技术研究进展

从烟叶霉变的病原学、发病规律、霉变检测和防霉技术等方面,综述了国内外在储烟防霉学领域取得的进展,对今后储烟防霉的研究进行了展望。

基于ITS 2对家蚕人工饲料霉变病原微生物的检测

【目的】探明引起家蚕人工饲料霉变的病原微生物,为制定防止家蚕人工饲料霉变决策提供科学依据。【方法】对饲料霉变区域随机取样,对其ITS2区域进行序列扩增检测,通过OTU聚类、物种注释和Alpha多样性分析其在不同分类水平下的物种组成。【结果】引起家蚕人工饲料霉变致病微生物主要生物学分类为真菌界(Fungi)、子囊菌门(Ascomycota,99.98%~100%)、散囊菌纲(Eurotiomycetes,99.80%~99.97%)、散囊菌目(Eurotiomycetes,99.80%~99.97%)、毛刷囊菌科(Trichocomaceae,99.80%~99.97%)、石座菌属(Petromyces,99.80%~99.96%)、黄曲霉菌(Aspergillus flavus,99.75%~99.91%)。【结论】引起家蚕人工饲料霉变的病原菌主要为真菌界的黄曲霉菌。

黄精霉变过程中麦角甾醇变化规律及基于电子鼻技术的快速预测模型研究

目的:麦角甾醇是霉变相关的重要指标之一,探索建立一种麦角甾醇快速检测方法。方法:采用人工模拟培养获取不同霉变程度的黄精样品;采用传统性状鉴定法开展黄精外观性状的观察、鉴定与分类;使用超高效液相色谱法进行麦角甾醇含量测定;通过电子鼻技术实现黄精气味的数字化检测。结果:共制备得到35份不同霉变程度的黄精样品;感官评价将黄精样品分为未霉变、轻微霉变和严重霉变3个阶段;35份黄精样品中麦角甾醇质量分数为0~90.4356 mg·kg^(–1),随着黄精霉变程度增加而上升;电子鼻的18根传感器中,S1~S16均表现出随着黄精霉变程度加深其最大响应值的绝对值降低,S18则相反,其最大响应值随着黄精霉变程度增加而升高。相关性分析显示,麦角甾醇含量与S1、S7~S16响应值呈极显著负相关,与S2~S6、S17、S18响应值呈极显著正相关,并且建立了回归方程Y=67.577–78.453X(r=0.634),其中Y为麦角甾醇含量、X为传感器PA/2最大响应值。结论:黄精的气味与其内在的化学成分麦角甾醇密切相关,电子鼻技术联合回归分析能为初步预测黄精中麦角甾醇的含量提供一种可行、有效的方法。

基于近红外高光谱图像的花生内部霉变快速判别方法研究

目的针对外观正常但内部存在不同程度霉变的花生,探索采用近红外高光谱成像技术结合机器学习方法构建花生内部霉变快速无损判别模型的可行性。方法采集100粒内部霉变和100粒健康花生的近红外高光谱图像构成数据集,将多种经典光谱预处理方法与支持向量机(support vector machine,SVM)组合建立花生内部霉变判别模型,并采用蒙特卡洛-无信息变量消除法(Monte Carlo-uninformative variable elimination,MC-UVE)找出霉变判别中有效的光谱特征波长。结果将Savitzky-Golay卷积平滑方法和二阶求导光谱预处理方法与SVM组合,对内部霉变严重样本判别的总体识别准确率可达95%,对不同程度内部霉变样本的平均识别准确率为88%;基于MC-UVE筛选得到10、5、3个特征波长构建的模型总体识别准确率为90%、85%和82%。结论实验结果表明高光谱技术结合机器学习可为花生内部霉变的快速、无损判别提供可行的解决方案,同时特征波长筛选为基于光电原理的霉变花生色选机系统开发提供了参考。

基于改进HSV空间的机器视觉花生霉变检测方法

花生霉变产生的黄曲霉毒素具有强致癌性,严重影响食品安全。为精准快速的识别霉变花生,提出一种基于机器视觉的霉变花生检测方法。首先对花生图像进行双边滤波降噪,然后将图像转为色调、饱和度、亮度(HSV)空间,通过在色调、饱和度空间内提取的霉变颜色范围叠加亮度空间的开运算处理结果来实现对霉变花生的识别检测。实验结果表明,该方法对于霉变花生的识别精度达到95.3%,处理单帧花生图像耗时为0.6s,通过与其它算法对比,该方法具有快速、准确率高等优点,可以满足霉变花生的实时检测,对花生霉变的分级处理也更加实用。

酒包装用纸板的霉变特性研究

目的分析酒包装用纸板上霉菌的生长过程,以及霉菌对纸板中2种主要成分(α-纤维素、淀粉)的侵蚀,并探究4种酒包装用纸板的耐霉变特性。方法将前期在霉变酒盒上识别鉴定的9种霉菌分别接种至单白工业纸板(Q)、灰纸板(D)、涂布白纸板(T)、双胶纸板(S)上,在温度为28℃、相对湿度为98%的环境下培养28 d。测定28 d内纸板上霉菌孢子数量以及28 d时纸板中α-纤维素含量、淀粉含量和聚合度变化,并用扫描电镜(SEM)观察霉菌在纸板表面附着状态。结果28 d时,4种纸板的孢子总数从大到小依次为Q(1.61×10^(8)CFU/mL)、S(1.51×10^(8)CFU/mL)、D(1.12×10^(8)CFU/mL)、T(9.34×10^(7)CFU/mL);纸板上孢子数量最多的4个菌种依次是匍枝根霉、黑曲霉、草酸青霉、扩展青霉;纸板中α-纤维素质量分数减少了3.90%~40.38%,从小到大依次为T、S、Q、D;纸板中淀粉质量分数减少了0.59%~6.87%,从小到大依次为D、T、S、Q;纸板聚合度下降了19.56%~40.22%,从小到大依次为D、T、Q、S。结论Q纸板易受霉菌污染,T纸板具有一定抗霉菌性,为酒包装用纸板材料的选择及防霉的措施提供了理论指导。

利用便捷式可见-近红外光谱仪和机器学习分辨霉变小麦及霉变程度

[目的/意义]可见-近红外光谱可对小麦霉变情况快速无损检测,但是高分辨率光谱仪价格高、体积大,不利于在农业环境中推广,因此通过对低分辨率光谱数据进行优化处理,以期接近高分辨率光谱仪分辨霉变小麦的效果。[方法]使用可见-近红外农产品检测仪(型号VNIAPD,分辨率1.6 nm)和复享光纤光谱仪(型号SIN02040,分辨率0.19 nm)采集100份小麦样本的新鲜状态以及不同霉变状态的光谱数据。首先对SINO2040光谱进行裁剪,让其和VNIAPD波长保持一致,均为640~1 050 nm;然后对其使用标准差标准化(Standard Deviation Normalization,SDN)、标准正态变换(Standard Normal Variation,SNV)、均值中心化(Mean Centrality,MC)、一阶导数(First-order Derivatives,1ST)、Savitzky-Golay平滑(Savitzky-Golay Smoothing,SG)、多元散射校正(Multiple Scattering Correction,MSC)等多种预处理方法处理并使用离群点检测算法(Local Outlier Factor,LOF)筛选出离群点并剔除;其次使用连续投影算法(Sequential Projection Algorithm,SPA)和最小绝对收缩和选择算法(Least Absolute Shrinkage and Selection Operator,LASSO)对预处理后的光谱进行特征波长提取;最后分别采用K近邻算法(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)、随机森林(Random Forests,RF)和朴素贝叶斯(Na?ve-Bayes)、后向传播神经网络(Back Propagation Neural Network,BPNN)、深度神经网络(Deep Neural Networks,DNN)6种算法对特征波长光谱进行建模分析,从而分辨霉变小麦以及区分霉变程度。[结果和讨论]BPNN、DNN两种神经网络模型的测试集准确率均可达到100%,但是建模时间长,模型内存大;而KNN、SVM、RF和Na?ve-Bayes浅层模型的测试集准确率为93.18%~100%,建模速度快、模型内存小。本研究光谱仪VNIAPD在光学参数(光学分辨率1.6 nm)低于SINO2040的光学参数(光学分辨率0.19 nm)且成本更低的情况下,检测准确率到达同一水平。[结论]本研究通过对比光谱数据的不同预处理方法从而找出了对应算法的最佳数据优化选择,使低分辨率光谱仪VNIAPD检测霉变小麦性能可以追平高分辨率光谱仪SINO2040,为基于可见-近红外光谱的小麦霉变低成本无损检测提供了新选择。

西兰花采后霉变控制技术研究

西兰花花球采后贮运过程中易出现真菌霉变现象,严重影响其商品品质。为降低贮运过程中西兰花真菌霉变发生情况,本研究采用不同温度、乙醇浓度、壳聚糖涂膜浓度等对西兰花进行处理。单因素试验结果表明,45℃热激处理效果最佳,3 d病斑面积为6%;最适的乙醇处理浓度为30%,处理3 d后病斑面积仅为3.4%;壳聚糖涂膜浓度1.5%和2%均有很好的抑菌效果,3 d后病斑面积分别为7.3%和4.5%,且无显著差异,综合考虑采用1.5%的壳聚糖浓度处理最为适宜。45℃热激+1.5%壳聚糖和30%乙醇+45℃热激处理西兰花的霉变病害控制效果表明,两个组合处理均能有效控制病害发生;30%乙醇+45℃热激处理组,能降低乙醇残留,更加绿色安全,且保绿抗霉变效果更好。

储藏稻谷霉变的研究进展

中国是水稻生产大国,全国各地种植面积广泛,每年的水稻产量高居世界首位。在储藏过程中,如条件适宜稻谷极易发生霉变,严重影响了储藏稻谷的品质,从而造成巨大经济损失。所以如何确保稻谷长期储藏的安全性,了解仓储稻谷霉变情况,成为了大家共同关注的问题。文章综述了霉变对稻谷品质的影响、稻谷霉变霉菌的种类及其演替规律、霉菌的检测方法、储藏稻谷霉菌的防控方法,以期为稻谷安全储藏提供参考依据。

高校图书馆纸质图书保存霉变生物防治措施

高校图书馆承担着海量文献的保存管理重任,在日常保存管理工作中,纸质图书常遭受多种霉变问题,影响图书使用、缩短图书使用寿命,图书霉变生物防治是图书管理者孜孜不倦的奋斗目标。对此,简述了纸质图书的霉变类型和生物防治面临的挑战,对纸质图书保存中霉变生物防治措施展开分析,可通过科学防治霉变提升防治效率,制备除霉防霉剂保护并修复霉变纸张,应用与改进图书馆用图书消毒防霉装置,解决图书受潮发霉的问题。同时也探究了高校图书馆纸质图书保存管理模式完善对策,以期提高高校图书馆纸质图书霉变防治质量。

柳州螺蛳粉干制米粉霉变原因与防治措施

近年来的食品安全问题日益突出,网络、报纸上常常出现食品抽检不合格的新闻报道。柳州螺蛳粉作为“网红”产品,其干制米粉霉菌超标新闻屡有报道。本文通过查找文献,分析关于柳州螺蛳粉干制米粉霉变的原因和防治措施,为今后研究柳州螺蛳粉干制米粉最适合的储存条件提供理论依据。

基于HS-GC-IMS技术对不同程度霉变烟叶的判别

采用顶空-气相色谱-离子迁移谱(HS-GC-IMS)技术测定广东韶关南雄不同程度霉变烟叶中的挥发性化合物,并进行化学模式识别及相对气味活度值(ROAV)分析,构建了基于差异挥发性成分的分类判别模型。结果表明:HS-GC-IMS差异图、挥发性化合物指纹图谱及相似度相关性热图显示不同程度霉变烟叶中的挥发性化合物存在差异;不同烟叶样品共定性出50种挥发性化合物,其中醇类13种,醛类6种,酮类8种,酯类13种,酸类1种,萜烯类1种,其他类8种;主成分分析(PCA)、层次聚类分析(HCA)和偏最小二乘-判别分析(PLS-DA)均可有效区分不同程度的霉变烟叶,以变量重要性投影值(VIP)>1为依据筛选出20种差异挥发性化合物;进一步通过ROAV分析选取了17个差异挥发性化合物用于构建支持向量机(SVM)分类判别模型,所建模型的分类判别率为100%。该方法能有效区分不同程度霉变烟叶,具有高效、准确等优点,可为烟叶霉变的识别及预测提供技术和数据支撑。

霉变皮革制品清洁护理技法探究

皮革因其天然的纹理光泽和舒适的手感深受人们的喜爱,其制品广泛应用于日常生活。然而受天气、存储环境等因素的影响,皮革制品较易出现霉变现象,给人们带来困扰、造成损失,同时增加了环境污染。本文分析了皮革制品霉变的原因,归纳了防霉措施,开发了霉变皮革制品清洁护理流程;通过试验探究对比了不同清洁工具和清洁技法的除霉效果,得出猪鬃毛刷更适合做皮革制品的清洁工具;螺旋形技法清洁霉变的光面皮革效果更好。同时,提出了霉变预防性措施,为企业和消费者提供了有效的皮革制品霉变防治保养措施,对延长皮革制品的生命周期具有积极意义。

基于近红外光谱的片烟霉变智能检测方法

该文创新性地提出了一种结合近红外光谱技术与深度学习的智能片烟霉变检测方法。尽管近红外光谱技术在农产品质量检测领域已取得显著成就,然而在烟草工业中,片烟霉变问题一直以其独特的挑战性而备受关注。传统的检测方法往往依赖于繁琐的化学分析或主观的人工审查,这些方法耗时且容易受到人为误差的干扰。因此,该文致力于构建一个高效自动的处理近红外光谱数据的深度学习模型,以实现对片烟霉变问题的准确检测,为烟草工业的发展提供了一种新颖且高效的解决方案。

基于图像处理的玉米颗粒霉变程度检测方法研究

提出利用HSV模型快速识别霉变玉米颗粒与霉变等级的方法。基于感染霉菌的玉米颗粒表层会发生颜色褐变、发黑等特点,首先对彩色玉米图像进行图像增强,然后采用V分量的阈值区分正常玉米颗粒与霉变玉米颗粒,再通过H与V分量的阈值区分轻度霉变与严重霉变玉米颗粒。试验表明,该方法对正常玉米颗粒、轻度霉变玉米颗粒、严重霉变玉米颗粒的检测准确率可达93.7%、80%、92.9%以上,能够达到区分检测的目的。

柴芍口服液对肉鸡霉变饲料造成肝损伤的保护效果研究

为了研究新兽药柴芍口服液对肉鸡肝脏保护的效果,试验采用霉变饲料建立肉鸡肝损伤模型,分别用不同剂量的柴芍口服液对肝损伤肉鸡进行治疗,观察用药后的临床表现,计算总有效率,测定各组肉鸡血清中谷草转氨酶(AST)、谷丙转氨酶(ALT)、碱性磷酸酶(ALP)、胆碱酯酶(CHE)活性及增重情况。结果表明:霉变的饲料可以造成肉鸡肝脏损伤,死淘率增加,血清中AST、ALT、ALP活性极显著升高(<0.01),CHE活性极显著降低(<0.01);在饮水中添加2.5 m L/L的柴芍口服液,能够降低霉变饲料造成的死淘率,显著抑制霉变饲料造成的血清中AST、ALT、ALP活性的升高(<0.05),显著提高血清CHE的活性(<0.05),促进肝损伤模型肉鸡的增重(<0.05)。说明柴芍口服液对霉变饲料造成的肉鸡肝损伤具有很好的治疗效果。

玻璃酒瓶霉变的特征及分类

本文首先阐述了玻璃酒瓶各类霉变的特征和产生的原因,然后设计试验,仔细收集不同霉变特征的玻瓶及其照片,通过实验详细展示了玻璃酒瓶工厂在现实生产过程中,玻璃酒瓶在不同阶段呈现的不同种类霉变的特征。进一步总结玻璃酒瓶霉变的种类,区分玻璃酒瓶不同种类、不同阶段的霉变特性,为采取针对性防范措施提供客观依据。