稻米品質檢測技術研究進展及展望

任廣躍 李秀娟 尹 君 張長峰 王國利 張忠杰,

(河南科技大學食品與生物工程學院1，洛陽 471023)(國家糧食局科學研究院2，北京 100037)(國家農產品現代物流工程技術研究中心3，濟南 250103)

據2012年中國統計年鑒，我國水稻種植面積占總耕地面積的18.52%，種植范圍廣，產量達20 100萬噸，位居世界之首。國家糧油信息中心預測，2012至2013年度，中國稻谷消費量為20 150萬t，較上年度增加310萬t，增幅為1.5%，首超2億t，稻米的生產、需求及進口均呈增加之勢[1]。2012年，中國大米進口量同比增長超過4.5倍，達到創紀錄的260萬t，這使中國成為僅次于尼日利亞的全球第二大大米進口國。因此，做好稻米進口、生產加工、倉儲、流通等環節的品質檢測顯得更為重要。近年來，隨著人們生活水平不斷提高，人們對大米的食用品質及食用安全性要求越來越高。大米是成品糧中最難保存的品類之一，由于稻殼和皮層在大米加工時均被去除，胚乳直接接觸外界環境，米粒是富含淀粉和蛋白質等營養物質的親水膠體物，加之稻谷加工時的機械損傷，極易受濕、熱、氧、蟲、霉等影響而變質[2]，特別在高溫高濕條件下，大米陳化，霉變速度加快，酸度增加、黏性下降、品質劣變。如何做好稻米在儲藏、加工、市場流通等環節的品質檢測及品質變化的預測工作已顯得尤為重要。就近些年發展起來的主要的無損檢測技術、色譜分析技術、掃描電鏡技術、質構分析技術等在稻米品質分析檢測上的應用情況加以闡述和展望，以便利用前人的方法經驗逐步完善我國在該領域的研究。

1 無損檢測技術

無損檢測即非破壞性檢測，不破壞待測物原來的物理狀態、化學性質等前提下，運用各種物理學方法(光、電、聲、圖像視覺技術等)從外部給待測物一個能量，待測物受能量作用時，從輸入和輸出的關系可獲得待測物的物理化學特性[3-4]。近些年，很多學者都將其運用到稻米的品質檢測方面。

1.1 近紅外光譜分析技術

20世紀70年代以來，美國等國家的研究部門發現，利用食品成分對近紅外線的吸收特性，對谷類、乳制品、肉制品、飼料等的水分、蛋白質、脂質、糖質、氨基酸等，可以進行有效的無損檢測。1978年美國的FGIS(Federal Grain Inspection Service)及加拿大的CGC(Canadian Grain Commission)把近紅外測定法作為國家標準測定法，逐漸取代原有的谷類蛋白定量測定法。在國外，近紅外光譜技術已經成為糧食品質分析的重要手段[5]。王遠宏等[6]取10個品種的大米利用近紅外漫反射測定大米的蛋白質含量，通過一元線性回歸，多元線性回歸，非線性回歸的方法比較，確定大米蛋白質測定的冪函數曲線，且回歸關系極為顯著。劉建學等[7]采用97個大米品種，對0.15、0.20、0.28 mm 3種粒度的大米進行近紅外測定與化學測定建模，用二階導數譜消除了粒度不同對測定結果的影響，模型的相關系數達到0.94。以同一批試驗材料劉建學等[8]研究了基于近紅外光譜的神經網絡預測大米直鏈淀粉含量的研究，BP神經網絡可降低粒度差異對預測結果的影響，預測值與化學測量值之間的相關系數達到0.9，與傳統化學法比較大大節省了時間。俞法明等[9]、陸艷婷等[10]運用近紅外光譜分析技術分別測定了秈稻品種的蛋白質含量和粳稻品種的直鏈淀粉含量，為秈稻品種育種，蛋白質的篩選提供了快速便捷的方法。林家永等[11]利用近紅外光譜對不同地域、不同儲存期、不同品種稻米的水分、脂肪酸值、品嘗評分值進行擬合，通過對定標模型的優化，用偏最小二乘法建立的脂肪酸值、品嘗評分值和水分預測模型的相關系數分別達到0.961、0.923和0.999，并在此基礎上成功研制了便攜式糧食儲藏品質測定儀。近紅外光譜分析技術對于稻米中的主要成分的研究已相對成熟，而對于稻米中微量物質的研究鮮有報道，Zhang等[12]利用近紅外反射光譜預測了糙米中的氨基酸組成，除了胱氨酸、蛋氨酸與酪氨酸之外，所建立的模型可以很好地預測總氨基酸含量及其他的13種氨基酸。Wu等[13]通過近紅外光譜預測大米粉中氨基酸組成及總氮含量，除了半胱氨酸、蛋氨酸及組氨酸，其它種類氨基酸都得到了很高的相關系數及較低的標準誤差。Zhang等[14]用近紅外光譜預測糙米總酚含量，總黃酮含量及抗氧化能力，通過主成分分析、偏最小二乘法和修正偏最小二乘法所建立的校正模型可以很好的預測糙米總酚類含量及糙米的抗氧化能力，但是3種方法建立的模型不能成功地預測糙米的總黃酮含量，這說明在運用近紅外光譜及分析方法預測稻米微量物質方面還需要進一步探索。周子立等[15]借助近紅外光譜技術，運用主成分分析法對大米品種進行聚類，采用小波變換技術提取特征光譜信息，運用BP神經網絡對大米品種進行鑒別，品種識別率高達100%。陳坤杰等[16]通過近紅外光譜采集30個粳稻、36個秈稻品種經不同時間碾削(20～95 s)的樣本，通過偏最小二乘法建立稻谷糙出白率的定標模型，決定系數達到0.999 5，并發現隨加工精度提高，糙出白率呈對數下降，在糙出白率基礎上建立加工精度等級判定模型，模型預測精度為82.5%，利用馬氏距離判別法優化后預測精度達到98.33%。

盡管近紅外光譜分析技術在稻米品質檢測上的研究眾多，但我國南北緯度跨度大，稻谷品種繁多，受到取樣地域及范圍限制，定標模型不能涵蓋絕大部分品種及不同生理狀態的稻谷，比如高水分糧及極低水分糧，所建立模型的通用性在實際生產及稻米的流通過程中受到限制，國內的技術還不完善，還沒有形成統一的檢測標準及檢測儀器。目前日本佐株公司已經成功開發了基于近紅外光譜的米粒食味計和米飯食味計，可以在60 s內完成對稻谷、大米、米飯的食味檢測，并同時測定樣品的水分、蛋白質、直鏈淀粉等指標，方便快捷，但所建立的稻米數據庫并不適用于我國的稻米品種，應用受到限制。

1.2 電子鼻檢測技術

電子鼻是在20世紀90年代發展起來的一種氣味掃描儀，是利用某種金屬氧化物和生物膜，根據氣味物質分子接觸引起膜電位的微小變化來判斷氣味物質，可用于快速檢測食品的氣味，彌補理化檢測及近紅外光譜分析技術和觀感評價中無法對氣味物質精確定性定量的不足，近些年，傳感器陣列和模式識別的電子鼻在稻米的檢測中也有一定的研究和應用。在高溫高濕的環境下，霉菌是引起谷物劣變的主要原因，谷物劣變過程中，由于微生物作用生成羥基類、醛基類、硫化物等化合物，進而產生霉味、哈敗味、酸敗味或甜味等氣味，稻谷儲藏過程中，自身代謝會產生醇、醛、酮類等物質，儲糧害蟲自身代謝也會釋放一些特殊的氣味物質。張紅梅等[17]運用電子鼻檢測6個霉變程度的稻谷，通過主成分分析，可以區分稻谷的霉變程度，且分析精度高。潘天紅等[18]自行研制的一組厚膜金屬氧化錫氣體傳感器陣列對幾種谷物的霉變程度進行判定，采用RBF神經網絡進行分析，正確識別率達到92.19%。Zheng等[19]通過電子鼻的參數優化及氣敏傳感器的選擇對大米的芳香化學成分進行研究。Roberto等[20]利用電子鼻對谷物的真菌污染情況進行判別，通過GC-MS驗證了電子鼻預測真菌污染程度的可行性。于慧春等[21]利用電子鼻對同一產地的4個不同水稻品種進行鑒別，結果顯示BP神經網絡分類效果最好，有可能實現一種基于電子鼻的對不同水稻品種進行快速有效鑒別的方法。宋偉等[22]應用電子鼻判別不同水分(12.5%、13.5%、14.5%、15.5%)粳稻谷在不同溫度(15、20、25、30 ℃)、氧氣濃度(5%、10%、15%、21%)條件下儲藏過程中的品質變化，結果顯示儲存初期2個月內粳稻谷品質變化不大，氣味變化不明顯，隨著儲藏時間增加，品質劣變呈加快趨勢，揮發物濃度增加，粳稻谷在高溫高水分條件下，品質變化快，氣味濃度高于低溫低水分樣品。

因此，可根據稻谷氣味變化與儲藏時間的關系方便快捷的選擇最佳儲藏條件，對儲糧工作有現實指導意義，但目前將電子鼻技術應用于大型的糧倉中還存在氣味傳感器節點布線困難的問題，隨著無線傳感器的開發及信息傳輸的完善，將開發完善的電子鼻設備埋入糧倉的特定位置，可以實時監測糧倉內的氣味，進而分析儲糧品質，但傳感器的靈敏度、數據的無線實時傳輸及準確性還需要進一步探討研究。

1.3 計算機視覺技術及色彩色差法

稻米品質的感官評價，人工檢測量大，主觀性強，效率低，不能滿足生產加工的需要，目前很多學者利用計算機視覺技術已經對稻米的品質展開研究。張巧杰等[23]、凌云[24]研究了基于計算機視覺的稻米品質快速檢測裝置，初步實現對堊白度、堊白粒率的檢測。徐立章等[25]利用體式顯微鏡成像獲取損傷稻谷的顯微圖像，通過小波變換的多尺度邊緣檢測提取稻谷損傷特征，并開發了一套稻谷損傷檢測裝置。鄭東華等[26]在分析大米裂紋光學特征的基礎上，開發了大米裂紋計算機識別系統，提出了基于單體裂紋米粒圖像行灰度均值變化特征的大米檢測算法，判斷準確率達到97.88%。于潤偉等[27-28]采用動態閾值分割，計算單粒米所占的像素，根據米粒長度來區分整精米和碎米，檢測相關性大于99%，可用于整精米及堊白粒率及堊白度的自動檢測。但設備及分析方法的多樣化仍是目前無法普遍應用的問題，應將此類方法匯總建立數據庫，通過不斷完善改進，形成統一的標準。

色彩色差法可以迅速、準確、方便地測出各種試樣被測位置的顏色，并通過計算，對顏色進行數值化表示，得到色差值。在稻米儲藏加工過程中由于生理生化特性的變化及加工精度的影響，顏色會發生微弱的變化，直接影響稻米的商品價值及食用品質。這一方面的研究已有報道[29-30]，陳坤杰等[31]采用3個品種的稻谷研究了大米表面顏色與碾削程度的關系，隨著加工精度的提高，米粒表面明度明顯增大，紅綠色調、黃藍色調則逐漸減小，且品種之間差異性顯著，糙出白率與大米表面的L、a、b呈線性關系。劉建偉等[32]通過米粒表面顏色的測定，發現采用碾白率來表征碾白程度和加工精度有較高準確性。Park等[33]的研究表明儲藏期間大米的顏色會由奶白色變成黃色，b值升高，隨儲藏溫度的升高而增大，而后趨于穩定，白度值隨儲藏時間延長降低。白度是影響米飯品質很重要的一個因素[34]，在日本將白度作為碾米企業質量控制的一項指標。張浩等[35]以R-B值為特征，采用數字圖像處理技術準確判定大米的加工精度。侯彩云等[36]通過愈創木酚檢測法結合圖像處理技術及色度學原理提取稻米顯色溶液的色度信息，建立色度信息與脂肪酸值之間的關系，結果表明在一定范圍內，色度值與脂肪酸值呈顯著的線性相關性，可以為陳化稻米的檢測提供一種快速高效的定性定量手段。這樣可以通過顏色的對比對稻米進行分級及加工精度的判定，但是如何根據顏色值正確地劃分加工精度，目前國內還沒有形成統一的標準。

2 色譜分析技術

色譜分析技術是利用試樣中共存組分間的吸附、分配、交換、遷移速率以及其它性能上的差異，先將它們分離，而后通過特定檢測器或質譜儀按一定順序進行分析測定。張甲生等[37]用氨基酸分析儀測定了四化大米中的氨基酸含量，大米中16種氨基酸總量為5.456 g/100 g，其中10種必需半必需、9種藥效、13種香甜味氨基酸，分別占總量的50.3%、68.7%、90.7%。邵亮亮等[38]用反相高效液相色譜法測定了新鮮大米及3年陳化大米中的氨基酸含量，結果顯示新鮮大米和陳化大米的氨基酸含量差別較大，新鮮大米陳化后天冬氨酸、谷氨酸、精氨酸、丙氨酸、甲硫氨酸、胱氨酸、異亮氨酸、亮氨酸、苯丙氨酸、色氨酸、賴氨酸都有所減少，其中谷氨酸和丙氨酸含量減少最多，這說明大米陳化過程中，氣味香味物質的衰退與呈味呈香氨基酸含量降低有關。絲氨酸、組氨酸、蘇氨酸、酪氨酸、纈氨酸的含量有所增加，可能是陳化過程中蛋白質分解積累起來的，甘氨酸和脯氨酸含量基本不變。龔婷等[39]用氨基酸分析儀測定了不同蒸煮工藝對米飯游離氨基酸含量的影響，表明大米蒸煮后游離氨基酸含量有不同程度的提高，以較長時間低溫 (50～60 ℃，20～30 min)處理，并以較高溫度(110～120 ℃)蒸煮工藝制作的米飯的游離氨基酸含量最高。黃懷生等[40]用GC-MS聯用儀對加工過程中香米香氣成分的損失研究表明：碾磨程度越高，香米中香氣成分的損失越大，將谷糙分離米加工至成品米，雜環類、酮類、酯類、烴類、醛類、醇類香氣成分的含量分別減少71.52%、29.70%、27.64%、27.38%、26.83%、20.00%，而酸類香氣成分的含量卻增加了21.77%。這說明香米的香氣成分主要存在于香米的皮層中，而酸類香氣成分增加可能與加工時機械損傷引起的脂肪酸氧化有關。康東方等[41]以方便米飯和新鮮米飯為試驗材料，通過GC-MS對其揮發性成分進行鑒定，二者均以揮發性羰基化合物和烴類為主，檢測出新鮮米飯41種，方便米飯35種，種類間存在差異，方便米飯含有呋喃、吲哚等新鮮米飯沒有的成分，可能是加工過程中一些熱敏性物質的丟失及長鏈物質斷裂重新生成新的香味物質。色譜分析技術及其液質、氣質聯用技術是稻米中物質成分定性定量檢測必不可少的一種手段，尤其是糙米中生理活性成分的鑒定，如酚酸、黃酮、植物甾醇、菊糖等，也越來越受到關注。

3 掃描電鏡技術

借助掃描電鏡技術得到的圖像進行分析是近些年發展起來的一種有效的、直觀的檢測手段。周顯青等[42]對不同儲藏條件(15 ℃、75%，20 ℃、65%，25 ℃、65%，30 ℃、80%)粳米胚乳顯微結構進行觀察，隨著儲藏時間延長和溫濕度升高，表面胚乳細胞破裂程度增大，淀粉粒裸露程度增加，胚乳橫斷面的放射狀結構排列趨于模糊，尤其是中心部位，胚乳細胞的破裂程度增加，胚乳細胞表面光滑度下降，小孔數量增多加大，表面蛋白質膜厚度下降，并有不同程度的翹起，淀粉顆粒間的裂縫增多，部分復合淀粉顆粒表面的蛋白質膜變得模糊和粗糙。說明不同溫、濕度條件下胚乳微觀結構及形態的變化是導致大米儲存過程中品質劣變的重要原因。Zhou等[43]用掃描電鏡觀察37 ℃儲存12個月的大米及經過纖維素酶和蛋白酶處理的大米淀粉粒表面，觀察到纖維素酶處理破壞了殘存的細胞壁結構。蛋白酶處理后，附著在淀粉粒表面的蛋白體被水解，同時經過纖維素酶和蛋白酶處理的大米糊化溫度降低，峰寬變窄，說明細胞壁的變化及蛋白質的存在對貯藏期間大米的熱特性有顯著影響。掃描電鏡技術可以直觀地從細胞的微觀結構出發描述因濕熱、氧、蟲等外界作用引起的稻米形態變化及不同地域、不同品種間細胞結構的微小差異而導致的表觀差異，但目前仍無法定量地描述這一變化，還不能單純從細胞結構的變化來判定稻米的新鮮度與陳化度。

4 質構分析技術

大米的感官評價，不僅需要專業的評審員，而且費時費力，結果受多種因素影響，重現性差。因此，能夠正確表現食品質地的多面剖析性質的客觀評價方法在這些方面具有較大優勢。郭興鳳等[44]用物性儀對蒸煮后的米飯質構特性進行測定，采用多重比較進行分析，硬度和黏度的分析結果具有顯著的差異性。尹陽陽等[45]用質構儀研究稻谷儲藏過程中巰基與質構特性的關系，表明巰基含量變化與黏度變化呈極顯著正相關，與硬度變化呈極顯著負相關。孔進喜等[46]用質構分析的方法研究大米儲藏過程中凝膠力學特性的變化，表明儲藏12個月的稻谷制成大米后，硬度、咀嚼度、最大剪切力、剪切功都顯著增大，彈性、黏聚性、回彈性、應力松弛時間均無明顯變化，可能是由于稻谷陳化過程中蛋白質與淀粉相互作用，阻礙淀粉的膨脹，糊化形成的凝膠強度增大。毛根武等[47]采用不同的炊飯方式及不同的探頭對米飯進行質構測定，得到最佳的試驗參數。Park等[48]的研究表明較高溫度儲存的大米比低溫儲存的大米的硬度增加速度快，黏性下降的也快，這一結果可能是由于較高溫度下儲存，淀粉顆粒的水合作用減弱所致。但目前的研究中沒有明確米飯溫度對質構測定指標的影響，將蒸好的米飯放置室溫進行測定，但人們習慣趁熱食用米飯，在這一點上與感官評價存在差異，本研究發現不同溫度下的大米硬度、黏度、咀嚼性等指標之間存在顯著差異，因此進行米飯質構測定時不僅要考慮到大米品種、壓頭、蒸煮條件等因素的影響，也應嚴格控制測定溫度，保證結果的重復性與可比性。

5 其他分析技術

在稻米品質檢測分析中，常規的理化分析雖然操作起來繁瑣，試劑量大，但必不可少。此外，利用谷物的介電特性，郝曉莉等[49]對水稻、玉米和大豆等3種物料的含水率進行了標定試驗，利用含水率與電壓比的關系進行回歸分析，利用回歸方程計算出含水率。尹麗妍等[50]分析了影響糧食介電特性的因素即：糧食含水率、溫度、濕度、容重和測試頻率，并提出了介電特性在非常規條件(如真空狀態下)實現無損實時監測水分的應用前景。大米的熱物性也是這些年的研究熱點，特別是差示掃描量熱法(DSC)對淀粉糊化的研究，可根據吸熱峰的情況判斷淀粉的糊化程度。Yu等[51]用差示掃描量熱法，通過焓值的變化指示大米淀粉回生的程度，直鏈淀粉含量越高的大米，焓值的變化越大。Zhou等[44]用差示掃描量熱法研究了儲藏溫度對大米熱特性的影響，結果顯示高溫(37 ℃)儲藏的大米較低溫(4 ℃)儲藏的大米的糊化峰值溫度和糊化終了溫度高，是儲藏過程中蛋白質與淀粉粒相互作用的結果。此外，隨著人們對轉基因食品安全性的關注程度越來越高，PCR(聚合酶鏈式反應)檢測技術也應用到了轉基因稻米及其加工品的檢測中。

6 展望

隨著分析方法的改進和儀器設備的開發，無損檢測技術在稻米品質分析中的作用將更加突出，開發性能穩定、精確度高、操作方便、小型化的稻米分析檢測系統，在多方位系統化研究的基礎上建立標準化的測量方法及分析方法，繼而建立不同地域、多品種、具有代表性的稻米品質分析數據庫，將會成為今后的發展趨勢。

目前稻米的品質分析檢測多集中于生產加工及儲藏階段的研究，而對于運輸、銷售等環節稻米所處微環境(如“北糧南運”過程)的變化所導致的品質變化(結露或出現裂紋等)研究較少。隨著糧食物流過程品控追溯技術的研究，稻米物流環節的品質變化也將備受關注，應綜合各項檢測技術，開發適用于稻米物流環節的簡易型、通用性的檢測設備。

[1]http://www.farmer.com.cn/jjpd/jghq/201301/t20130105_793476.htm

[2]Zhou Z, Robards K, Helliwell S, et al. Aging of stored rice changes in chemical and physical attributes [J]. Journal of Cereal Science, 2002, 35:65-78

[3]付峰，應一斌.農產品品質檢測中常用的圖像背景分割方法[J].農機化研究，2003，2：85-86

[4]郭紅利.獼猴桃的電學特性與無損檢測技術的研究[D].楊凌：西北農林科技大學，2004

[5]Ciurezak E W. Use of near infrared spectroscopy in cereal product[J]. Food Testing and Analysis, 1995, 5:35-39

[6]王遠宏，常若葵，張偉玉，等.基于近紅外光譜的大米蛋白質含量的研究[J]. 農產品加工學刊，2009，7：30-32

[7]劉建學，吳守一，方如明.近紅外光譜法快速檢測大米蛋白質含量[J].農業機械學報，2001，32(3)：68-70

[8]劉建學，吳守一，方如明.基于近紅外光譜的神經網絡預測大米直鏈淀粉含量[J].農業機械學報，2001，32(2)：5-57

[9]俞法明，陸艷婷，嚴文潮，等.用近紅外光譜技術快速測定秈稻品種的蛋白質含量[J].中國糧油學報，2009，24(5)：134-138

[10]陸艷婷，金慶生，葉勝海，等.應用近紅外光譜分析技術快速測定粳稻品種的直鏈淀粉含量[J].中國糧油學報，2007，22(3)：149-153

[11]林家永，范維燕，薛雅琳，等.稻米儲藏品質近紅外光譜快速判定技術及儀器研發[J].中國糧油學報，2011，26(7)：113-118

[12]Zhang B, Rong Z Q, Shi Y, et al. Prediction of the amino acid composition in brown rice using different sample status by near-infrared reflectance spectroscopy[J]. Food Chemistry, 2011, 127:275-281

[13]Wu J G, Shi C H, Zhang X M. Estimating the amino acid composition in the milled rice powder by near-infrared reflectance spectroscopy[J]. Field Crops Research, 2002, 75(1):1-7

[14]Zhang C Y, Shen Y, Chen J, et al. Nondestructive prediction of total phenolics, flavonoid contents, and antioxidant capacity of rice grain using near-infrared spectroscopy[J]. Journal of Agriculture and Food Chemistry, 2008, 56, 8268-8272

[15]周子立，張瑜，何勇，等.基于近紅外光譜技術的大米品種快速鑒別方法[J].農業工程學報，2009，25(8)：131-133

[16]陳坤杰，龔紅菊，李毅念.基于近紅外光譜的大米加工精度等級快速判定[J].中國糧油學報，2011，26(3)：105-108

[17]張紅梅，王俊，葉盛，等.電子鼻傳感器陣列優化與谷物霉變程度的檢測[J].傳感技術學報，2007，20(6)：1208-1210

[18]潘天紅，陳山，趙德安.電子鼻技術在谷物霉變識別中的應用[J].儀表技術與傳感器，2005，3：51-52

[19]Zheng X Z, Lan Y B, Zhu J M, et al. Rapid identification of rice samples using an electronic nose[J]. Journal of Bionic Engineering, 2009, 6:290-297

[20]Roberto P, Adriano A, Eugenio M, et al. Detection of fungal contamination of cereal grain sample by an electronic nose[J]. Sensors and Actuators B, 2006, 119:425-430

[21]于慧春，熊作周，殷勇.基于電子鼻的水稻品種鑒別研究[J].中國糧油學報，2012，27(6)：105-108

[22]宋偉，謝同平，張美玲，等.應用電子鼻判別不同儲藏條件下粳稻谷品質的研究[J].中國糧油學報，2012，27(5)：92-95

[23]張巧杰，王一鳴，凌云.稻米品質檢測技術研究[J].儀器儀表學報，2006，27(6)：564-568

[24]凌云.基于計算機視覺的谷物外觀品質檢測技術研究[D].北京：中國農業大學，2004

[25]徐立章，李耀明，王顯仁.基于小波變換的多尺度邊緣檢測用于稻谷內部損傷的檢測[J].中國糧油學報，2008，(23)4：200-204

[26]鄭華東，劉木華，吳彥紅，等.基于計算機視覺的大米裂紋檢測研究[J].農業工程學報，2006，22(7)：129-133

[27]于潤偉，金鯤鵬，朱曉慧.基于圖像識別的整精米自動檢測研究[J].中國糧油學報，2006，21(6):147-149

[28]于潤偉，朱曉慧.基于圖像處理的稻米堊白自動檢測研究[J].中國糧油學報，2009，24(10)：122-125

[29]Lieve L, Els D B, Greet E V, et a1. Effect of milling on color and nutritional properties of rice[J]. Food Chemistry, 2007, 100:1496-1503

[30]Yadav B K, Jindal V K. Changes in head rice yield and whiteness during milling of rough rice[J]. Journal of Food Engineering, 2008, 86:113-121

[31]陳坤杰，吳貴茹，孟繁華.大米表面顏色與碾削程度的相關性分析[J].中國糧油學報，2010，25(7)：1-5

[32]劉建偉，徐潤琪，張萃明，等.大米加工精度與碾白程度檢測的研究[J].中國糧油學報，2004，19(3)：6-10

[33]Park C E, Kim Y S, Park K J, et al. Changes in physicochemical characteristics of rice during storage at different temperatures[J]. Journal of Stored Products Research, 2012, 48:25-29

[34]Kim D C. Post harvest technology for high quality rice[J]. Food Preservation and processing Industry, 2000, 1:66-71

[35]張浩，孟永成，周展明，等.基于圖像處理技術大米加工精度的檢測研究[J].中國糧油學報，2006，21(4):135-137

[36]侯彩云，王啟輝，黃訓文，等..陳化稻米數字圖像檢測方法的研究[J].中國糧油學報，2008，23(4)：194-196

[37]張甲生，房林相.四化大米中氨基酸含量與營養評價[J].農業與技術，2001，21(2)：44-45

[38]邵亮亮，蘇秀榕，李妍妍，等. 大米貯藏過程中氨基酸含量的變化研究[J].食品科技，2009，34(7)：125-127

[39]龔婷，趙思明，熊善柏，等.蒸煮工藝對米飯蛋白質及氨基酸的影響[J].中國糧油學報，2008，23(4)：14-17

[40]黃淮生，朱旗，李擁軍，等.香米在加工過程中香氣成分的變化[J].湖南農業大學學報：自然科學版，2007，33(1)：87-89

[41]康東方，何錦風，王錫昌.頂空固相微萃取與GC-MS聯用法分析米飯及其制品氣味成分[J].中國糧油學報，2007，22(5)：147-149

[42]周顯青，張玉榮，李里特.不同模擬儲藏條件下粳米胚乳顯微結構變化[J].農業工程學報， 2010，26(5)：329-333

[43]Zhou Z K, Robards K, Helliwell S, et al. Effect of storage temperature on rice thermal properties[J]. Food Research International, 2010, 709-715

[44]郭興鳳，幕運動.蒸煮大米質構特性測定方法分析[J].中國糧油學報，2006，21(2)：9-11

[45]尹陽陽，卞科，魏紅艷.稻谷儲藏過程中巰基與質構特性的關系[J].農產品加工，2010，6：71-73

[46]孔進喜，李云波，趙思明，等.大米儲藏過程中凝膠力學特性研究[J].糧食與飼料工業，2011，3：9-11

[47]毛根武，董德良，楊瑞征，等.米飯質構特性測定方法的研究[J].中國糧油學報，2012，27(3)：1-5

[48]Park C E, Kim Y S, Park K J, et al. Changes in physicochemical characteristics of rice during storage at different temperatures[J]. Journal of Stored Products Research, 2012, 48:25-29

[49]郝曉麗，張本華，孟淑潔，等.介電特性在糧食含水率檢測中的應用研究[J].農機化研究2006，6(2)：121-123

[50]尹麗妍，吳文福，張亞秋.介電特性在糧食水分檢測中的應用[J].中國糧油學報，2010，25(11)：119-121

[51]Yu S F, Ma Y, Sun D W. Impact of amylose content on starch retrogradation and texture of cooked milled rice during storage[J]. Journal of Cereal Science, 2009, 50:139-144.