基于高光谱成像技术的发芽小麦分类研究

为准确判断小麦发芽程度,更好地服务于小麦的收储及加工利用,通过高光谱的光谱信息对不同发芽程度小麦进行分类识别。采集萌动小麦(鼓泡、皮裂、露白)和发芽小麦(芽长为小麦籽粒长度的一半,芽长与小麦籽粒长度相同)的高光谱数据,提取每粒小麦的平均光谱,再由Savitzky-Golay卷积平滑法、卷积求导法(1ST、2ND)、标准正态变量变换(SNV)对光谱预处理后建立最小二乘支持向量机(LSSVM)分类模型,比较发现SNV的识别准确率最高达91.70%。利用粒子群算法(PSO)对LS-SVM模型中正则化参数(gam)以及核函数参数(sig2)寻优,优化后模型的准确率为93.14%,提升了1.57%。为进一步减少运算量、提升准确率,利用竞争性自适应重加权算法(CARS)选取了49个特征波长,最优分类模型PSO-SNV-CARS-LS-SVM的平均准确率为94.13%。最优模型体系可以快速无损检测不同发芽时期的小麦,最终达到分类结果可视化。

小麦不同程度萌发后其加工品质的变化

为了解小麦萌动和发芽程度对其加工品质的影响,以经80℃高温快速干燥和自然晾晒干燥处理的不同程度萌动(鼓泡、皮裂、露白)和发芽(芽长为小麦籽粒长度的一半、芽长与小麦籽粒长度相同)小麦为研究对象,测定其出粉率、沉降值及粉质特性指标。结果表明:随着小麦萌动和发芽程度的加深,小麦的出粉率,面团吸水率、形成时间、稳定时间及粉质指数均呈现下降趋势,面团弱化度则逐渐上升,而沉降值变化并无规律。高温快速干燥能抑制小麦吸水率的下降,延长面团的形成时间和稳定时间,由此可见,干燥可抑制萌动、发芽的小麦加工品质劣化,因此一旦发现小麦萌动应立即进行干燥。差异性分析可知,小麦在萌动和发芽过程中大部分加工品质指标均从皮裂期开始出现显著性差异,建议将处于皮裂期至芽长不超过籽粒长度作为判定生芽粒的标准。

加速陈化过程中小麦品质变化及陈化指标筛选

为了解小麦在陈化过程中生理指标与陈化时间的关系,同时为其敏感指标的筛选提供数据支持,以中、高筋小麦为研究对象,研究人工加速陈化(40℃,RH 75%)过程中,小麦电导率、发芽率、生活力、过氧化物酶活性、过氧化氢酶活性、降落数值和丙二醛含量等指标的变化。结果表明:随着加速陈化时间的延长,电导率呈上升趋势,中、高筋小麦增幅分别为181%与133%;发芽率和生活力呈下降趋势,降幅均达100%;过氧化氢酶活性呈下降趋势,中筋小麦降幅为89.46%,高筋小麦降幅为83.36%;过氧化物酶活性呈下降趋势,且陈化4~5月时下降幅度最大,中筋小麦降幅为90.79%,高筋小麦降幅为73.94%;降落数值呈上升趋势,中筋小麦增幅为88.94%,高筋小麦增幅为87.59%;丙二醛含量呈上升趋势,中筋小麦增幅为107.38%,高筋小麦增幅为94.65%。对不同陈化期的中、高筋小麦的各生理指标进行统计分析及方差分析,结果表明:各项生理指标在陈化期间的数值差异均达到显著水平(P<0.05),且变异系数均较大,因此可作为判断小麦新陈度的陈化指标,其中较为突出的有发芽率、生活力、过氧化物酶及过氧化氢酶活性,可进一步进行筛选。