一种粮食不完善粒理化质量样本库的建立方法与流程

1.本发明涉及粮食检测技术领域，尤其涉及一种粮食不完善粒理化质量样本库的建立方法。


背景技术：

2.不完善粒是衡量粮食质量的一项重要指标，因此开展粮食不完善粒的检测是确保粮食质量的重要手段。粮食不完善粒包括虫蚀粒、病斑粒、破损粒、发芽粒和霉变粒，其严重影响粮食的外观和安全储存，甚至危害到整个粮仓的粮食安全。因此，粮食不完善粒是粮食收储重要的检测指标。粮食不完善粒的检测结果准确与否，取决于检测方法的选择和有效实施，对粮食仓储及加工食品质量和安全有重要的影响。
3.传统粮食不完善粒检测技术研究主要是以视觉感官为主的人工检测粮食不完善粒的技术，也是现行粮食收购及仓储检验粮食不完善粒的主要方法。虽然粮食自动扦样器、硬度指数仪已经逐步取代人工扦样、软硬质粮食的判定，但在粮食的收购及储存检验过程中，粮食不完善粒的检测主要以视觉感官为主的人工检验，这种人工检验方式要求检验员具有较高的专业知识和丰富的工作经验，同时不同检测人员对粮食不完善粒概念理解的准确性与把握尺度的不同，检测结果往往相差较大，甚至同一个人的重复测试结果也经常超出标准允许误差范围。人工检测存在工作量大、主观性强、费时费力且可重复性差等缺点，无法实现粮食不完善粒的快速识别，难以适应粮油检验由人工感官检测向快速智能化检测方向发展的需求。因此，如何快速、准确鉴别粮食不完善粒是现阶段提高生产率和保证粮食安全的重要问题。


技术实现要素：

4.基于背景技术存在的技术问题，本发明提出了一种粮食不完善粒理化质量样本库的建立方法，本发明建立了一种粮食不完善粒理化质量样本库，将粮食粒的理化指标、视觉信息、光谱信息、不完善粒的类型等结合作为一种数据标签，形成大量的监督数据，提供给基于深度学习的人工智能算法训练，从而建立粮食不完善粒的快速检测方法；使得理化质量样本库中的信息丰富且全面，可以快速、准确检测粮食不完善粒。
5.本发明提出了一种粮食不完善粒理化质量样本库的建立方法，包括如下步骤：
6.s1、用霉菌菌株培养侵染完整健康的粮食粒；
7.s2、用成虫培养侵染完整健康的粮食粒；
8.s3、诱导完整健康的粮食粒发芽；
9.s4、在霉菌菌株侵染、成虫侵染和诱导发芽的过程中，定期采集粮食粒的外观图像，同时检测粮食粒的理化性质并记录理化检测结果；
10.s5、挑选不同侵染阶段的病斑粮食粒，采集病斑粮食粒的外观图像，同时检测病斑粮食粒的理化性质并记录理化检测结果；
11.s6、将s4-s5采集的粮食粒的外观图像进行预处理，提取特征值，建立识别模型；然
后输入理化检测结果，使得粮食粒每个时期的外观图像、理化检测结果、不完善粒类型形成相互对应的数据标签，从而建立完成粮食不完善粒理化质量样本库。
12.上述粮食粒可以为小麦、大米、玉米、大豆等；优选为小麦。
13.优选地，在s4中，在霉菌菌株侵染、成虫侵染和诱导发芽的过程中，定期采集粮食粒的外观图像和红外光谱，同时检测粮食粒的理化性质并记录理化检测结果；
14.在s5中，挑选不同侵染阶段的病斑粮食粒，采集病斑粮食粒的外观图像和红外光谱，同时检测病斑粮食粒的理化性质并记录理化检测结果；
15.在s6中，将s4-s5采集的粮食粒的外观图像和红外光谱进行预处理，提取特征值，建立识别模型；然后输入理化检测结果，使得粮食粒每个时期的外观图像、红外图谱、理化检测结果、不完善粒类型形成相互对应的数据标签，从而建立完成粮食不完善粒理化质量样本库。
16.上述采集粮食粒外观的方法可以为拍照、扫描等，上述采集粮食粒红外光谱的方法可以为：将粮食粒粉碎混匀，然后压片，用红外光谱仪扫描检测等，所述红外光谱可以为近红外光谱。采集红外光谱可以检测粮食粒的蛋白、总糖脂肪等成分的含量，可以与后期的理化检测结果形成对应，提高检测的准确度。
17.上述s6中，外观图像、红外光谱的预处理方法为本领域常规方法，比如：消除图像噪音、图像分割等。消除图像噪音的方法可以为：调节滤波方式对图像进行处理，实现图像的平滑、锐化及边缘检测并尽可能消除噪音。图像分割一般包括如下流程：灰度化、二值化、形态学处理、连通区域提取。
18.上述s6中，可以提取颜色参数特征、外形参数特征、纹理参数特征等，采用计算机数字图像分析技术、人工智能技术等方法建立识别模型，进行识别评价。
19.优选地，在s1中，霉菌菌株是从已经霉变的粮食粒上提取并经培养获得的霉菌菌株。
20.优选地，在s1中，培养的温度为28-32℃，培养的相对湿度为65-75％。
21.优选地，在s1中，完整健康的粮食粒经水洗、表面消毒、晾干后，再进行霉菌菌株侵染。
22.优选地，在s2中，成虫是雌雄成对的成虫。
23.优选地，在s2中，成虫的种类是从已经虫蚀的粮食粒中分离并确定的种类。
24.优选地，在s2中，培养的温度为室温，培养时间30-80天。
25.上述室温为10-30℃。
26.优选地，在s4中，对于处于萌动期的发芽粮食粒，还需要采集粮食粒切片的显微镜图。
27.优选地，在s4中，在霉菌菌株侵染过程中，每隔1-3天定期采集粮食粒。
28.优选地，在s4中，在成虫侵染的过程中，每隔2-4天定期采集粮食粒。
29.优选地，在s4中，在诱导发芽的过程中，每隔6-24h定期采集粮食粒。
30.优选地，理化检测的项目包括：检测粮食粒中蛋白质、淀粉、总糖、维生素的含量，检测粮食粒的容重、千粒重、密度。
31.本发明还提出了一种快速检测粮食不完善粒的类型和理化质量的方法，包括如下步骤：采集待测粮食粒的外观图像得到待测图像；将待测图像输入上述粮食不完善粒理化
质量样本库，进行图像识别，确定待测粮食粒的不完善粒类型并得到对应的理化质量。
32.上述待测图像也需要进行预处理、提取特征值后，经粮食不完善粒理化质量样本库比对，从而实现识别检测。
33.有益效果：
34.本发明分别构建霉变粒、虫蚀粒、发芽粒的模型，采集各阶段粮食粒的外观图像、红外光谱，并检测各阶段粮食粒的理化性质；另外挑选不同侵染阶段的病斑粮食粒，采集其外观图像、红外光谱并检测理化性质；然后将外观图像、红外光谱、理化检测结果输入数据库并保持相互对应，建立理化质量样本库；
35.不同于传统的基于纯视觉信息的识别分类，本发明将粮食粒的理化指标、视觉信息、光谱信息、不完善粒的类型等结合作为一种数据标签，形成大量的监督数据，提供给基于深度学习的人工智能算法训练，从而建立粮食不完善粒的快速检测方法；使得理化质量样本库中的信息丰富且全面，可以快速、准确检测粮食不完善粒。
36.在检测粮食粒时，只需要采集待测粮食粒的待测图像，然后与理化质量样本库中的图像比对，确定待测粮食粒的不完善粒类型并得到对应的理化质量，整个检测过程粮食粒没有损坏，无需样品预处理，测定时间短，不使用化学试剂，可同时测定多种目标参数，能实现对粮食不完善粒的快速分类和理化质量的快速检测。
具体实施方式
37.下面，通过具体实施例对本发明的技术方案进行详细说明。
38.实施例1
39.一种粮食不完善粒理化质量样本库的建立方法，包括如下步骤：
40.s1、从每年收购和每月仓储的小麦中人工分捡分类，收集小麦霉变粒、虫蚀粒、生芽粒、病斑粒(包括赤霉病粒、黑斑粒)；
41.取上述小麦霉变粒30g，随机分成三组，每组10g，用无菌水梯度稀释10-1
、10-2
、10-3
、10-4
、10-5
、10-6
、10-7
倍，分别涂布于pda平板，分别于30℃恒温培养；然后根据菌落数量、形态、色素等特征，确定侵染霉菌的优势菌，挑取不同的菌落再次划线培养纯化，直到获得纯菌落为止，共收集到23株霉菌，然后观察菌落形态和产孢结构，确定上述霉菌分为4个种类，分别为黑曲霉、桔青霉、白曲霉、青霉；
42.取完整健康的小麦粒水洗，放置24h晾干后，分别用筛选获得的23株霉菌菌株侵染小麦健康粒，然后于30℃、相对湿度为70％的人工气候箱进行培养；
43.s2、取上述小麦虫蚀粒50g，确定造成虫蚀粒的昆虫种类，然后选取100对雌雄成对的成虫侵染完整健康的小麦粒，于25℃培养70天；
44.s3、调节温度和湿度模拟发芽环境，然后将完整健康的小麦粒放置于模拟发芽的环境中，诱导小麦发芽；
45.s4、在霉菌菌株侵染、成虫侵染和诱导发芽的过程中，定期采集粮食粒的外观图像和红外光谱，同时检测粮食粒的理化性质并记录理化检测结果；对于处于萌动期的发芽粮食粒，还需要采集粮食粒切片的显微镜图；其中，在霉菌菌株侵染过程中，每隔2天定期采集粮食粒；在成虫侵染的过程中，每隔3天定期采集粮食粒；在诱导发芽的过程中，每隔24h定期采集粮食粒；理化检测的项目包括：检测粮食粒中蛋白质、淀粉、总糖、维生素的含量，检
测粮食粒的容重、千粒重、密度；
46.s5、由于病斑粒无法制备，因此选取上述不同侵染阶段的小麦病斑粒，采集病斑粒的外观图像和红外光谱，同时检测病斑粮食粒的理化性质并记录理化检测结果；
47.s6、将s4-s5采集的粮食粒的外观图像和红外光谱进行消除图像噪音、图像分割等预处理，然后提取颜色参数特征、外形参数特征、纹理参数特征、红外光谱数据参数特征等特征值，采用人工智能技术建立识别模型；然后输入理化检测结果，使得粮食粒每个时期的外观图像、红外图谱、理化检测结果、不完善粒类型形成相互对应的数据标签，从而建立完成粮食不完善粒理化质量样本库。
48.在建立粮食不完善粒理化质量样本库的过程中，可以采集完整健康的粮食粒的外观图像，提取其进行颜色、外形、纹理等参数特征，与不完善粮食粒进行比较差异，从而进一步优化识别模型。
49.实施例2
50.一种快速检测粮食不完善粒的类型和理化质量的方法，包括如下步骤：
51.从仓储的小麦中选择60粒虫蚀粒、60粒病斑粒、60粒发芽粒和60粒霉变粒然后与320粒完整健康的小麦粒混匀得到待测小麦粒；
52.采集待测小麦粒的图像得到待测图像；将待测图像进行消除图像噪音、图像分割等预处理，然后提取颜色参数特征、外形参数特征、纹理参数特征、红外光谱数据参数特征等特征值，然后输入实施例1建立的粮食不完善粒理化质量样本库中，进行图像识别和检测。
53.同时用2名高级质检员对上述待测小麦粒进行检测划分出不完善粒的类型，结果取二者的平均值，检测结果如表1所示。
54.表1人工检测和使用粮食不完善粒理化质量样本库检测的结果
[0055][0056][0057]
由表1可以看出：本发明对不完善粒分类的准确率高，用时短，可以批量快速检测。
[0058]
实施例3
[0059]
选择100g处于同一虫蚀阶段的小麦粒、100g处于同一病斑侵染阶段的小麦粒、100g处于同一发芽阶段的小麦粒、100g处于同一霉变阶段的小麦粒，采集上述小麦粒的图像，用实施例1建立的粮食不完善粒理化质量样本库中，进行图像识别和检测，分别获得上述虫蚀粒、病斑粒、发芽粒和霉变粒的理化质量结果，然后对上述虫蚀粒、病斑粒、发芽粒和
霉变粒分别进行人工理化质量检测，并进行比较，结果如表2所示。
[0060]
表2理化质量检测结果
[0061][0062][0063]
备注：蛋白质的检测按照gb/t 5009.5-2003方法进行、淀粉的检测按照双标单波长测定方法、脂肪酸值的检测按照gb/t 15684-201方法进行；容重按照gb/t 5498—2013方法进行检测；千粒重按照gb/t5519—2008方法进行检测；表中各检测结果为平均值。
[0064]
由表2可以看出本发明所述粮食不完善粒理化质量样本库检测的理化质量结果准确，且用时短，可实现快速检测。
[0065]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。