智能感官技術在儲藏小麥品質評價中的研究進展

鄧淼磊， 陳 斯， 李 磊， 高振東

(糧食信息處理與控制教育部重點試驗室；河南工業大學信息科學與工程學院，鄭州 450001)

中國是世界上較早種植小麥的國家之一，也是世界上最大的小麥生產國和消費國，隨著國民生活水平的不斷提高，人們對優質小麥提出了更高的需求。儲備在糧倉中的小麥隨著儲藏時間的推移，會經歷陳化作用，導致自身生理活性衰退、內部酶活性下降、營養物質減少等；尤其是在高溫、高濕等不良儲藏環境下，會增強小麥籽粒的呼吸作用和微生物、害蟲的繁衍及侵染速度，進而加快小麥品質劣變[1]。據統計，儲藏損失約占糧食收獲后各環節總損失的55%[2]，因此小麥儲藏安全是當前所面臨的一個極為嚴峻的問題。為實現“藏糧于技”的國家戰略目標，為小麥的陳化劣變檢測和儲藏環境調控提供科學決策支持，需要提高儲藏小麥品質的評價技術水平。

人工感官識別是評價儲藏小麥品質狀態的重要方法，在不使用化驗儀器的前提下，評價人員通過目視法、品嘗法、氣味識別、聲音識別等手段對小麥品質作出鑒別[3-5]，盡管這些方法相對簡單、直觀，但受評價人員的經驗、感官靈敏度、精神狀況等因素影響較大，存在一定的主觀性。隨著新材料、傳感技術和模式識別技術的發展成熟，一些基于傳感器技術而衍生出的智能感官識別設備得到了迅猛發展，它們具有穩定性強、簡單快捷、客觀準確的優點，逐漸成為最具前景的儲藏小麥品質評價新技術。

本研究從視覺、嗅覺、味覺和聽覺4種不同的感官角度出發，對不同智能感官技術的研究成果、應用現狀、優勢和存在問題進行了綜述，同時展望了未來發展趨勢。

1 智能感官技術基本工作原理

智能感官是基于對人體感官感知過程的模仿，盡管不同智能感官設備的研究對象有所差異，但它們的組成和工作原理具有一定的相似性，一般都包含了傳感器、信號采集器和計算機系統，其中傳感器如同人類的感覺器官用于感知并獲取樣品的響應信號；信號采集器類似于人體神經系統，實現響應信號的傳輸和簡單預處理；計算機系統相當于人類的大腦，利用智能化手段對信號進一步分析處理，并對評價對象的特性作出綜合判斷[6]。智能感官技術用于儲藏小麥品質評價的主要工作流程如圖1所示。其中，計算機系統中模式識別技術的選擇是影響評價結果準確性的關鍵因素，表1總結了現階段智能感官常用的模式識別技術。

圖1 智能感官技術用于小麥品質評價的工作流程

2 智能感官技術在小麥品質評價中的應用

2.1 機器視覺技術

機器視覺是利用計算機來模擬人類宏觀視覺功能的科學和技術，涉及光學成像、數學分析、圖像處理、神經生物學及人工智能等相關技術，通過對樣本圖像中的有效信息進行提取和分析處理，從而實現樣本的分級和分類工作[7]。機器視覺系統一般由光源、圖像采集卡、計算機系統等幾部分組成，見圖2。

圖2 機器視覺系統

表1 智能感官系統常用模式識別技術

2.1.1 機器視覺在小麥外觀品質評價中的應用

外觀特性反映了小麥品質屬性，品質優良的小麥色澤健康、籽粒完整，若受到真菌、不良溫濕度或儲糧害蟲的影響，小麥表皮色澤或結構會發生明顯變化，如遭受鐮刀真菌侵蝕的小麥籽粒皺縮、表皮出現粉紅色霉狀物，儲藏在潮濕環境下的小麥種皮破裂、發芽長出幼根[8，9]。因此，利用機器視覺技術對小麥的形狀、紋理、顏色等外觀特征參數進行準確量化和比較，能夠實現不同品質小麥的有效區分。

針對不同的小麥劣變類型，選用更有辨別度的特征能顯著提高品質評價精度，如祝詩平等[10]為準確識別小麥破損粒(主要表現為籽粒形狀的變化)，提取了小麥的面積、周長等8個形狀特征，構建的CNN模型的平均識別率達到96.67%；Ropelewska[11]檢測感染鐮刀真菌的小麥時(主要癥狀為籽粒顏色的變化)，從小麥圖像的RGB、Lab、XYZ色彩空間中提取了20種顏色特征，RBFNN分類器的精度超過94%。機器視覺系統同時對多種小麥不完善粒檢測評價時，僅提取形狀、顏色等單屬性特征難以有效區分，為此，Delwiche等[12]對小麥健康粒和發霉粒、發芽粒和黑胚粒4種不同品質小麥進行分類時，除了提取小麥面積、橢圓偏心率等形態學特征外，還考慮了對比度、相關性、均勻性等紋理特征，建立的LDA等分類模型的識別率在91%～94%之間。

研究人員嘗試將光譜技術融合到機器視覺中，如Xing等[13]采集了正常和發芽小麥的光譜圖像信息，發現當波長在878 nm和728 nm時，正常小麥和發芽小麥的平均光譜反射率有顯著差異，可以用來確定小麥是否發芽。He等[14]同時提取了小麥的顏色、紋理特征和近紅外光譜特征，并建立了基于多特征融合的小麥霉菌侵染檢測的LDA模型，識別精度達到了95.06%。相關研究顯示，融合光譜特征的機器視覺技術，有利于提高小麥外觀品質評價精度。

2.1.2 機器視覺在小麥品質指標評價中的應用

機器視覺除了直接用于小麥外觀品質的評價，還可以對小麥一些品質指標的含量進行預測分析，間接獲悉小麥品質狀況，如α-淀粉酶活性可以作為評估小麥損傷程度的重要指標，Shrestha等[15]采用雙攝像頭機器視覺系統提取了小麥質地、形狀等16種視覺特征，并基于ANN模型對α-淀粉酶活性建模分析，從而對正常小麥、破損及嚴重破損小麥作出了有效判別；含水量是與小麥儲藏品質緊密相關的一個指標，Ramalingam等[16]利用機器視覺系統研究了含水量和小麥籽粒形態特征變化之間的關系，結果表明小麥的面積、周長、長軸長度、短軸長度、最大半徑、最小半徑和平均半徑這7個特征隨著含水量的增加呈線性增長的趨勢，通過研究這些特征的變化有助于對小麥含水量作出準確判斷。

2.1.3 機器視覺在小麥內部品質評價中的應用

將X射線等非可見光成像設備應用于機器視覺中，能夠實現小麥內部品質的評價，如邵小龍等[17]采用基于軟X射線的機器視覺技術研究了米象在小麥中的生長發育過程，在小麥被侵染的第12天可以觀察到幼蟲，第35天有成蟲出現，從圖像中提取了47個特征參數用于建模分析，結果顯示超過95%的蟲蝕小麥被成功檢測。Nawrocka等[18]采用灰色標度等方法計算了害蟲感染后20～66 d小麥X射線圖像的質量損失，并建立了質量損失多項式曲線，以此來確定蟲蝕時間和蟲蝕位置。

2.1.4 機器視覺系統的局限性及展望

盡管機器視覺用于儲藏小麥品質評價已基本實現了無損、準確的目的，但仍存在一定的局限性，由于機器視覺技術采集圖像時容易受到外界光源的干擾，成像效果對于后續的圖像處理及評價結果影響較大；而且現階段大多局限于實驗室環境下單粒小麥外觀品質的評價，效率難以滿足實際需求。因此優化測試環境、研發多籽?？焖贆z測設備將成為未來研究的重點。

2.2 電子鼻技術

小麥在儲藏過程中，烴類、醛類和脂類等有機物會伴隨著籽粒的呼吸作用、微生物及真菌的繁衍等行為產生并揮發到空氣中，出現如酸味、霉味等特殊氣味，通過對這些氣味進行檢測及分析，有助于探究小麥品質劣變趨勢[19]。小麥的揮發性物質超過百種，若直接通過嗅覺感官鑒別小麥氣味信息，不僅辨識度低，而且存在損害身體健康的風險，近年來，隨著電子鼻技術的發展，其敏感性和選擇性為小麥揮發性氣味的檢測提供了安全可靠保障。電子鼻是一種快速、靈敏的揮發性物質電子檢測儀器，見圖3，通過傳感器識別不同的揮發性分子，并產生相應的電子信號輸入到數據檢測單元中，實現對氣味的量化[20]。

圖3 電子鼻系統結構圖

2.2.1 影響電子鼻評價精度的主要因素

電子鼻的傳感器數量較多，而且不同傳感器對于揮發性氣體響應程度差異性較大，若對全部傳感器信號進行分析可能導致信息冗余、占用計算和存儲空間，進而影響評價精度和效率，因此氣體傳感器陣列的選取是決定電子鼻評價效果的關鍵因素[21]，Zhang等[22]為了去掉差異性不顯著的傳感器，將多變量方差分析和Loading分析用于傳感器陣列的優化，最終從10個傳感器中選取出5個最優的傳感器信號用于建模分析，結果表明，采用全部傳感器陣列的ANN模型對小麥貯藏年限的識別率為88%，而經傳感器陣列優化后的模型精度達到了96%，說明優化傳感器陣列并不影響模式識別結果，反而提高了電子鼻的檢測性能。對于信號分析方法的選取，張婷婷等[23]研究結果表明PCA方法無法區分活力接近的小麥種子，而LDA與Loading分析相結合的評價模型對不同活力小麥種子作出了準確鑒別，并得出了小麥種子氣味差異主要來自于有機硫化物、無機硫化物、短鏈烷烴、小分子氮氧化合物和醇醚醛酮類氣體的結論。

2.2.2 電子鼻在小麥品質評價中的應用

電子鼻技術在儲藏小麥品質評價領域的研究工作主要集中于小麥霉變檢測、儲藏年限及生活力檢測、害蟲侵染程度分析等，研究人員利用電子鼻研究了不同品質小麥的主要揮發性氣體類型及含量變化情況，取得了豐碩的研究成果，如Lippolis等[24]開發了一種基于電子鼻的小麥霉菌侵染快速檢測方法，識別率達到90.1%；偉利國等[25]通過電子鼻準確判別了小麥的生活力狀況；Mishra等[26]研究了電子鼻評估不同侵染程度的蟲蝕小麥的可行性。表2中對電子鼻在小麥品質評價中的主要研究成果進行了總結。

表2 電子鼻在小麥品質評價中的研究成果

續表2

2.2.3 電子鼻技術的優點及局限性

電子鼻識別小麥揮發性氣味時，不需要繁瑣的樣品預處理流程，且具有成本低廉、測試簡單、反應快、綠色等優勢，但將其應用于大型糧倉時存在氣味傳感器節點布線難等問題，而且受制造工藝、敏感膜材料等因素制約，檢測性能未達到理想效果。因此，為實現糧倉中小麥氣味的實時準確監測，仍需進一步研究和完善電子鼻相關配套技術。

2.3 電子舌和TPA技術

食用品質同樣是小麥最重要的品質屬性之一，研究發現，若小麥的蛋白組成、微觀結構發生巨大變化，會導致其制品的表面色澤變差，食用口感發黏、變味等，因此食用品質常作為小麥品質的評價依據[31]。傳統小麥及其制品的食用品質評價方法是通過制定評分標準，并由品評人員進行打分，如GB/T 20571—2006《小麥儲存品質判定規則》中將饅頭的評分標準分為表面色澤、氣味和食味等7個方面。盡管傳統的品嘗評分方法能夠得到有效的品質評價結果，但評價流程繁瑣，而且結果受評價人員喜好等主觀性因素影響較大。為了得到更加科學可靠的評價結果，將電子舌及TPA等智能感官設備應用于小麥及其制品的食用品質評價中已成為新的研究熱點。

2.3.1 電子舌在小麥食用品質評價中的應用

電子舌也被稱為智能味覺仿生系統，是模仿人和動物的味覺感知設計出的一種電化學分析儀器[32]。電子舌的組成和電子鼻類似，一般分為信號采集系統、傳感器陣列和計算機系統，根據傳感器工作方式的不同，又可以將電子舌細分為阻抗型、電位型和伏安型3類。

另外，小麥制品是電子舌的主要研究對象，通過對小麥制品的食用品質進行評價分析，能夠在一定程度上獲悉小麥的品質狀況，表3中列舉了電子舌在小麥制品品質評價中的相關研究成果。

表3 電子舌在小麥制品品質評價中的研究成果

2.3.2 TPA在小麥食用品質評價中的應用

質地剖面分析(TPA)是一種新興的小麥制品食用品質評價技術，其主要原理是模擬人類口腔的咀嚼運動對樣品進行二次壓縮，獲取壓縮峰面積、壓縮變形施加的力等參數值并進行分析處理，進而得到制品的彈性、硬度、黏性、咀嚼性、內聚性等味覺評價指標，并以此對制品食用品質作出評價[39]。

TPA能夠實現品嘗結果的量化分析，在小麥品質評價中發揮了重要作用，如張國從等[40]為了篩選優質面條專用小麥品種，通過TPA研究了19個中筋小麥的品質性狀和面條加工特性，結果顯示面條感官總分與TPA的粘聚性和回復性呈正相關，與TPA的咀嚼度、彈性等特征呈負相關，面條的食用品質能夠通過TPA參數得到間接反映。Hou等[41]通過TPA研究了面條與小麥粉理化性質和蛋白質之間的相關性關系，發現小麥總蛋白含量與面條的硬度、黏度、嚼勁呈正相關，低分子量谷蛋白和醇溶蛋白含量與面條的硬度、黏性和咀嚼性呈正相關，而白蛋白和球蛋白含量與面條的硬度呈負相關，根據小麥粉的質構性質能夠對面條品質作出評價。此外，為了驗證TPA替代感官評價方法評價小麥饅頭食用品質的可行性，張國權等[42]利用TPA并結合Minolta色度儀獲取了不同品種小麥饅頭的彈性、黏聚性、亮度等指標值，并替代感官評價對小麥饅頭的食用品質進行分析，該方法得到的評價結果與傳統感官評分結果基本一致，具有較高的可靠性。

2.3.3 味覺智能感官技術的局限性及展望

電子舌及TPA等味覺智能感官技術的應用，提高了小麥食用品質評價結果的科學性及效率。但電子舌傳感器具有一定的限制性和選擇性，只能檢測液體樣品，同時樣品的制備缺乏統一的流程規范；而且電子舌的評價效果易受周圍環境的影響，這就需要在檢測過程中嚴格控制溫度變化。而TPA的測試條件和實驗參數的設置研究較少，沒有統一的標準，需要開發出適合不同制品評價的科學規范。另外，TPA往往只能反映小麥制品的部分食用品質特征，常要與其他方法的聯用才能獲得更精確的評價結果。

2.4 聲學檢測系統

聲學檢測是通過研究聲波與介質之間的相互作用規律，探究媒質的力學性質和幾何性質，進而得到介質內部信息的一種技術[43]。相關研究發現，小麥的聲學特性會隨著籽粒破損、蟲蝕等組織結構的變化而不斷發生改變，而且同一品種但品質不同的小麥，聲學特征也存在一定差異性，根據這一特點能夠區分不同品質的小麥[44]。

2.4.1 聲學檢測在小麥害蟲檢測中的應用

蟲蝕粒識別是聲學檢測的主要應用方向，受昆蟲隧道或蟲洞影響，蟲蝕小麥撞擊檢測臺時，產生的聲信號會明顯弱于正常小麥，通過對聲信號的處理和分析，有助于蟲蝕粒的準確識別，如魏琳等[45]采集了小麥撞擊金屬板產生的聲信號，發現正常小麥的聲信號時域波形較為穩定，而蟲蝕粒的時域波形變化很大，利用傅里葉變換方法處理并提取聲信號相關特征，并輸入BPNN進行評價分類，對蟲蝕粒的檢出率達90%。由于聲信號屬于非平穩、非線性信號，小波變換、傅里葉變換等傳統時頻分析方法由于缺乏自適應基函數，處理效果不佳，為此，Guo等[46]提出了采用集合經驗模態分解(EEMD)處理聲信號的方法，并提取了聲信號的固有模態函數的峰度、形狀因子、三階熵和平穩性度均值作為判別特征，該方法對蟲蝕小麥的評價精度達到了93.3%，相比于傅里葉變換方法，在精度上得到了一定提高。

除了通過撞擊采集聲信號的方法，研究人員利用傳感器等裝置對害蟲的活動、進食等行為發出的聲音進行采集、放大和處理，實現了害蟲密度、種類及數量的準確檢測，如Eliopoulos等[47]利用壓電傳感器和便攜式聲發射放大器等構建的聲學檢測系統驗證了其對小麥害蟲密度估計的可行性，通過對害蟲活動音頻數據進行希爾伯特變換和減去噪聲等預處理，建立的聲信號與害蟲密度之間的線性模型準確率達72%～100%；Geng等[48]利用聲學檢測技術研究了害蟲的爬行聲音，其采用濾波和小波方法進行降噪，以獲取清晰的聲音信號，通過分析聲信號的功率譜特征，可以發現不同害蟲的爬行聲音信號存在明顯差異，根據這一特點有助于準確判斷害蟲種類。

2.4.2 聲學檢測技術在小麥品質評價中的其他應用

根據不同品質小麥聲學特征的差異性，聲學檢測技術可以對各品質小麥作出快速有效識別，如Guo等[49]為了準確分辨出正常小麥中的蟲蝕小麥和發芽小麥，采用高斯模型的沖擊聲信號處理技術和改進的極限學習機，研究了不同損傷類型小麥的聲學特性，該方法對正常、蟲害和發芽小麥的分類準確率分別為92.0%、96.0%和95.0%；同時，張麗娜等[50]提出了采用數字信號處理方法提取正常、蟲害、發芽和霉變4類小麥碰撞聲信號的特征，并通過GRNN進行分析和評價，為小麥品質的自動化檢測提供了一種可行方法。另外，聲學檢測技術同樣適用于小麥含水量、硬度等品質指標的檢測，如Amoodeh等[51]采集了小麥撞擊在玻璃材質平板上產生的聲信號，并將沖擊聲的聲壓級變化作為輸出電壓，分析發現輸出電壓與小麥含水量之間存在顯著相關性，在8%～20%含水量范圍內的最大檢測誤差小于1.25%；郭建銘等[52]采集了2種不同硬度小麥在25～40 kHz 頻段的超聲信號，利用小波包變換處理超聲信號，并提取了與小麥硬度有強相關性的多個特征參數，建立的線性回歸模型的R2為0.958 9，為小麥硬度的檢測提供了一種新方法。

2.4.3 聲學檢測技術的局限性

聲學檢測因其具有的簡單、無損、快速、高靈敏度等優點，已引起了研究人員的廣泛關注，但仍存在一些問題亟需解決，如聲信號采集過程中容易受到背景噪聲的干擾，因此需要研究更有效的噪聲消除方法；而且，聲學檢測技術無法對小麥中的死蟲和早期幼蟲作出準確判斷；此外，如何更有效的提取聲信號特征、構建更準確的聲信號和小麥品質間函數關系等問題也需要深入研究。

3 總結

智能感官評價技術相比于傳統的人工感官評價技術具有客觀、高效和精確等優勢，在儲藏小麥品質評價中得到了一定的應用，并展現出良好的發展潛力。但就目前而言，仍存在許多問題需要解決，本研究給出可能的發展趨勢探討。

構建小麥品質評價標準化數據庫?，F階段，小麥品質評價結果往往具有一定的模糊性。而且，不同地域、品種的小麥在評價標準上也存在一定的差異性。需要建立一套具有代表性的小麥品質評價標準化數據庫，并在實際應用中不斷更新。提高信號采集裝置的穩定性和靈敏性。智能感官設備采集特征信息時容易受到溫濕度、光源、噪聲等因素干擾，導致采集的數據不穩定，重現性差。需要深入探究和研制穩定性強、靈敏度高的新型信號采集裝置。增強模式識別技術的魯棒性。許多研究未對模式識別技術進行仔細討論和比較，可能導致在其他數據樣本上無法復制優異的表現。需要加強模式識別技術的研究及優化，并對其適應性進行綜合比較和驗證。融合多種智能感官技術。單一的智能感官設備只能評價小麥某一方面的品質特征，難以綜合判斷小麥的品質狀況。可以考慮將多種智能感官技術聯合使用，綜合小麥的各類感官特征以實現更精準高效的評價。開展產業化研究?，F有智能感官技術多集中于實驗室環境下的小批量品質評價，效率難以滿足工業化應用的需求。需要研究和開發成本低廉、性能穩定、精準高效的小麥品質大批次在線、可重復性檢測系統。