小麦霉菌侵染程度电子鼻快速检测方法的初步研究

本研究利用电子鼻气体传感器技术,初步建立了小麦霉菌侵染程度定性定量同步分析方法。小麦样品经辐照杀菌后接种5种谷物中常见有害霉菌,于85%相对湿度和28℃的环境中储藏至重度霉变。在样品储藏的不同阶段,选取时间节点0、1、3、5和7 d采集其电子鼻气味响应信息,建立了其响应信号和霉菌侵染程度的相关关系模型。结果显示,依据带菌量的不同,基于电子鼻信号的主成分分析法(PCA)可成功区分未霉变[2.7 log(CFU/g)]、轻度霉变[2.7～4 log(CFU/g)]与重度霉变[4 log(CFU/g)]的小麦样品;线性判别分析(LDA)对受单一霉菌侵染的小麦样品霉变程度的识别率达90.0%以上,对所有小麦样品的识别率达84.0%。偏最小二乘回归模型(PLSR)对小麦菌落总数的模型决定系数(R_p~2)和预测误差(RMSEP)及相对分析偏差(RPD)分别为0.852,0.504 log(CFU/g)和2.30。结果表明,利用电子鼻技术实现小麦霉菌侵染程度的快速识别是可行的。下一步应不断补充不同来源的小麦样品,以不断提高模型的精度和适用性。     

结合太赫兹光谱与机器学习的小麦霉变程度判别

为快速、准确地判断小麦籽粒的霉变程度，研究基于太赫兹时域光谱技术，结合支持向量机（support vector machine,SVM）、随机森林（random forest,RF）和极限学习机（extreme learning machine,ELM）的霉变小麦定性分析方法。首先，将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类，利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1～4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后，使用主成分分析、线性判别分析（linear discriminant analysis,LDA）、t分布随机近邻嵌入3种方法对光谱数据进行降维，结果表明LDA的降维效果最好。最后，构建基于SVM、RF和ELM的小麦霉变程度判别模型，结果显示SVM的判别效果最好，当核函数选择多项式核、误差惩罚系数为1时，判别准确率高达98.61%，预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测，为食品安全和粮食贮藏检测提供一种检测手段。     

储藏小麦发热临界点及发热规律研究

研究不同含水量小麦在常温下储藏过程中温度的变化。结果表明:含水量16%的小麦在储藏过程中并未发热;含水量18%、20%、22%的小麦在常温储藏条件下发热临界点分别为27、12、4 d;粮堆中层位置最先发热且粮温高于上、下两层。     

临界安全水分下小麦储藏过程中抗霉变特性的比较

将3种角质化率有显著差异的小麦品种增水调节至临界安全水分附近进行模拟储藏试验,结果表明,这几种小麦在水分13.5%、30℃条件下储藏28 d后,小麦籽粒上霉菌含量的增速存在较大差异,冀麦38和矮抗58的带菌量增加速率均非常显著地高于温麦6(p<0.01)。进一步的研究证明,温麦6对灰绿曲霉(Aspergillus glaucus)的生长有明显的抑制作用,在30℃、25℃、20℃和15℃的各种温度和相应的临界水分下进行储藏试验,温麦6中的灰绿曲霉生长迟后时间均达到或超过7 d;将干燥小麦置于RH 85%高湿环境下进行吸湿模拟储藏,温麦6中的灰绿曲霉生长迟后时间达14 d。因而,质地偏软的温麦6在相同的储藏条件下具有更强的抗霉变特性。     

储粮早期霉变监测方法测试研究

比较了粮库储粮早期霉变监测4种主要方法的特点,通过对各种方法特征的分析,将储粮早期霉变监测方法分为“粮食取样监测”和“粮堆可传导物监测”,前者适用于散粮或对粮堆表层特殊部位粮食的检测,后者更适合对整仓储粮进行监测。研究了各种方法监测储粮霉菌活动的敏感性,结果表明,在相同的储藏条件下,微生物活性检测至少可比平板菌落计数法提前3 d或更早了解储粮中霉菌危害活动的信息;粮堆中霉变原点二氧化碳监测比温度监测方法可提前10 d发现检测值的显著变化（P＜0.05）,并且二氧化碳气体在粮堆中的扩散速度明显高于温度在粮堆中的传导速度。     

玉米籽粒霉变等级高光谱图像检测方法研究

为了快速、无损检测出储藏玉米籽粒不同霉变状况,提升玉米收储环节质检效率,尝试利用高光谱成像技术结合机器学习算法构建玉米籽粒霉变等级分类模型。采集400～1 000 nm波段范围内玉米籽粒高光谱图像,以测定的真菌孢子数为依据,将籽粒霉变状态划分为健康、轻度霉变、中度霉变和重度霉变4个等级,采用随机蛙跳(RF)算法优选出7个光谱特征变量,针对特征波段图像,利用Tamura算法共提取出21个纹理特征变量,基于颜色矩阵提取出21个颜色特征变量。进一步结合支持向量机(SVM)、极限学习机(ELM)和偏最小二乘回归(PLSR)3种算法分别建立基于光谱、图像和图谱特征融合的玉米籽粒霉变等级分类模型。经分析比较,融合光谱和图像特征并结合ELM算法建立的分类模型用于玉米籽粒霉变等级识别效果最优,训练集和测试集分类准确率(Acc)分别为94.21%和93.86%,并将玉米籽粒霉变等级进行可视化表达。     

霉变玉米气体传感器阵列快速检测

玉米易受霉菌感染发生霉变,影响食用安全。快速测定玉米霉变程度是控制其危害的前提。本研究拟利用基于气体传感器阵列的电子鼻技术,获取不同霉变程度玉米的特征气味信息,建立玉米霉变程度快速检测方法。辐照灭菌玉米分别接种5种谷物中常见有害霉菌,并于28 ℃和85%相对湿度环境中储藏15 d直至严重霉变。在第0、6、9、12和15 d,采集样品的气味信息的电子鼻特征响应信号,建立了玉米霉变程度的定性定量模型。结果表明,主成分分析(PCA)法可成功区分不同霉变程度的玉米样品。线性判别分析(LDA)对受单一霉菌侵染的不同霉变程度玉米样品的平均识别率达93.3%以上,全部样品达76.7%。样品中菌落总数的偏最小二乘回归分析(PLSR)模型的预测决定系数(R_p2)达0.777,预测均方根误差和相对分析偏差(RPD)分别为0.981 log CFU/g和2.12。结果表明,应用电子鼻技术快速检测玉米霉变具有一定可行性,下一步需要不断扩大样本量以提高方法的精度和可靠性。     

基于嗅觉可视化技术和气相色谱-质谱联用鉴别霉变小麦

采用气相色谱-质谱联用技术对不同霉变程度小麦的挥发性气体进行检测,利用主成分分析法对检出的气体成分进行分析能有效地将不同霉变程度的小麦进行区分,为霉变小麦的可视化鉴别提供实验基础;采用嗅觉可视化技术与最近邻域和线性判别结合的方法,对不同霉变程度小麦进行检测,建立的最近邻域模型和线性判别模型的识别率分别为95.83%和85.40%。结果表明,嗅觉可视化技术可实现对霉变小麦快速、无损、准确检测,具有很大的应用潜力。     

基于光谱和气味特征信息的霉变大米无损检测

为快速鉴定大米霉变程度,本研究运用近/中红外光谱和电子鼻分析技术,建立了大米有害霉菌侵染种类与霉变程度的同步识别方法。首先,将4种谷物中常见有害霉菌分别接种在灭菌大米样品上,将样品于28℃和80%RH环境条件下储藏10 d。其次,样品从接种霉菌起,选取时间节点0、2、4、7、10 d,获得其近/中红外光谱和电子鼻气味特征信息。结果显示,受不同霉菌侵染大米样品的光谱和气味整体信息存在差异,到储藏后期差异更加显著。结合主成分分析和线性判别分析法,近/中红外光谱和电子鼻对受不同霉菌侵染大米样品的整体识别率分别为86.0%、86.0%、92.0%。大米霉变程度随储藏时间逐渐加深,近/中红外光谱和电子鼻对感染单一霉菌样品霉变程度的判别正确率达97.5%、98.75%、100%,多种霉菌感染的判别正确率为80.0%、87.5%、95.0%。结果表明,利用光谱和气味特征信息实现大米霉变的快速检测具有可行性,电子鼻在霉变大米特征挥发性气味的识别方面更具优势。     

基于SVM的粮食霉变预测分类方法研究

霉变是导致粮食储藏过程中数量减少、质量降低的重要因素,若能早期预测粮食是否会发生霉变,提前采取处置措施,对保障粮食储藏安全,降低粮食损失具有重要的意义。本文采用支持向量机算法,并通过网格搜索优化参数,分别建立了稻谷和小麦霉变的预测分类模型,以判定在给定水分、温度和储藏时间的条件下是否会发生霉变。实验结果表示,稻谷平均准确率可达96%以上,小麦平均准确率可达92%以上。同时本研究采取不同规模的小样本训练建模,并与BP神经网络模型进行对比,训练结果表明,基于SVM的模型准确率高且表现稳定,明显优于BP神经网络模型。     

塑料大棚欧亚种葡萄对霜霉病和白粉病的抗性研究

利用配对设计方法,通过田间自然鉴定,研究了塑料大棚内7个欧亚种葡萄品种(系)对霜霉病和白粉病的抗性差异及关系.结果表明:供试品种(系)大多不抗霜霉病和白粉病,且对霜霉病抗性和白粉病抗性差异均显著;霜霉病和白粉病发病率之间、严重度之间均呈显著的正相关,从而初步推断控制葡萄霜霉病抗性与控制白粉病抗性的微效多基因是同一基因组或者是连锁强度较大的两个基因组.即欧亚种葡萄对这两种病害的抗病基因存在着多效性或连锁关系.     

曲霉菌株的保藏与复壮

对在发酵制曲生产中曲霉试管菌株的作用及效能作了客观分析,并对妥善保藏试管菌株,及对退化菌种进行分离复壮等保持试管菌株优良性能的方法作了详细叙述和介绍。     

基于电子鼻技术的烟丝霉变检测

霉变是影响烟丝质量的重要因素之一,研究探索建立基于电子鼻技术的烟丝霉变检测方法。构建的电子鼻系统主要由5只SnO2半导体气敏传感器形成反应阵列,采用BP神经网络(back propagation neural network,BPNN)为主的模式识别方法。从每个传感器响应曲线中提取2个特征值,使用主成分分析和BP神经网络对传感器阵列的所有特征值进行处理。主成分分析结果显示:非霉变烟丝和霉变烟丝存在可区分趋势,但不同霉变程度的烟丝间存在部分重叠。进一步利用BP神经网络对霉变烟丝判别,识别正确率达到90.00%。试验表明,使用电子鼻技术可以客观、有效地区分霉变和非霉变烟丝,为有效控制烟丝质量提供了可靠途径。     

烘烤期烟叶霉烂病的病原鉴定

摘 要:福建省政和县发现红花大金元烟草在烘烤变黄期发生霉烂。霉变先从叶柄开始发生,逐渐向主脉和叶片扩展,引起烟叶大面积霉烂。为了明确病因和发病条件,进行了病原菌分离培养、病原菌形态特征观察、生长温度试验、致病性测定及病害发生条件观察。研究结果表明病原菌为米根霉（Rhizopus oryzae）,烟叶变黄期烤房温度达36～40℃,相对湿度75%～85%的条件下有利病菌的生长和侵染。首次确认烘烤期烟叶霉烂是由病原菌引起的一种新的侵染性病害,该病害命名为烟叶霉烂病（tobacco leaf mildew rot）。      

几种工业防霉剂的合成工艺初探

介绍了二氯苯氧氯酚、溴化烷基异喹啉鎓、百菌清3种工业防霉剂的合成方法、工艺路线和条件,为工业开发提供了依据。     

羊毛脂加脂剂防霉抗菌效果

在对几种发霉羊毛脂加脂剂的霉菌进行分离、培养和鉴别的基础上 ,选用不同的防霉剂进行羊毛脂加脂剂的系列防霉试验 ,结果表明 :选择适宜的防霉剂对羊毛脂加脂剂进行防霉处理 ,可以达到加脂剂的防霉要求。     

制备褐藻胶寡糖-O-香叶醇的表征及抑制霉变效果研究

本文采用香叶醇改性褐藻胶寡糖制备得到褐藻胶寡糖-O-香叶醇(AOS-O-Ger),作为一种新型的抑霉剂应用于大豆储藏过程中。对制备的褐藻胶寡糖-O-香叶醇进行紫外可见吸收光谱、傅里叶变换近红外光谱、核磁氢谱、X-射线衍射图谱表征,结果显示褐藻胶寡糖-O-香叶醇成功制备。探究了褐藻胶寡糖-O-香叶醇的抑菌性,发现对青霉和黄曲霉有明显的抑制作用,且香叶基溴与褐藻胶寡糖摩尔比为3:1的褐藻胶寡糖-O-香叶醇抑菌性最好。将褐藻胶寡糖-O-香叶醇应用于水分为14%的大豆中,于35 ℃、80%相对湿度下储藏60 d,发现褐藻胶寡糖-O-香叶醇可以控制大豆真菌菌落总数在6.3×10₃ CFU/g以下,且减缓了大豆品质的劣变。研究结果表明褐藻胶寡糖-O-香叶醇在大豆储藏过程中能有效抑制霉变,并维持大豆的品质。     

葡萄品种对霜霉病抗性研究

葡萄霜霉病(Downy Mildew),是葡萄最主要的病害之一.发生严重的年份,可导致葡萄新梢生长停滞,早期落叶落果,新梢不成熟,年减产50%以上,而且还影响第二年的产量[1].为提高葡萄生产栽培经济效益和产业优势,降低生产管理费用,对目前现有品种进行区域化试验研究和选育抗病新品种,是目前葡萄栽培急需研究的课题.为此,我们对红地球,黑大粒,甘农18,京亚等4个品种(系)进行室内外试验,田间抗性调查.选择抗病,中抗,中感,高感代表品种进行抗性机制的初探.     

防霉剂在储粮中的应用研究进展

粮食在储藏期间因霉变而导致的损失一直备受关注,减少粮食储存损失是确保国家粮食安全极为重要的环节。防霉剂的开发与利用是解决粮食霉变的一个有效途径。对粮食霉变的原因,防霉剂的分类及其在储粮中的应用效果评价方法等方面进行了概述,并就生物源防霉剂在目前储粮中的应用存在的问题,提出了建议。     

饲料防霉剂富马酸二甲酯合成工艺研究

对富马酸二甲酯的应用和合成方法进行了介绍 ,重点对富马酸二甲酯合成中异构化反应和酯化反应进行了研究 ,得到了适宜的工艺参数。