智能感官技术在储藏小麦品质评价中的研究进展

邓淼磊， 陈 斯， 李 磊， 高振东

(粮食信息处理与控制教育部重点试验室；河南工业大学信息科学与工程学院，郑州 450001)

中国是世界上较早种植小麦的国家之一，也是世界上最大的小麦生产国和消费国，随着国民生活水平的不断提高，人们对优质小麦提出了更高的需求。储备在粮仓中的小麦随着储藏时间的推移，会经历陈化作用，导致自身生理活性衰退、内部酶活性下降、营养物质减少等；尤其是在高温、高湿等不良储藏环境下，会增强小麦籽粒的呼吸作用和微生物、害虫的繁衍及侵染速度，进而加快小麦品质劣变[1]。据统计，储藏损失约占粮食收获后各环节总损失的55%[2]，因此小麦储藏安全是当前所面临的一个极为严峻的问题。为实现“藏粮于技”的国家战略目标，为小麦的陈化劣变检测和储藏环境调控提供科学决策支持，需要提高储藏小麦品质的评价技术水平。

人工感官识别是评价储藏小麦品质状态的重要方法，在不使用化验仪器的前提下，评价人员通过目视法、品尝法、气味识别、声音识别等手段对小麦品质作出鉴别[3-5]，尽管这些方法相对简单、直观，但受评价人员的经验、感官灵敏度、精神状况等因素影响较大，存在一定的主观性。随着新材料、传感技术和模式识别技术的发展成熟，一些基于传感器技术而衍生出的智能感官识别设备得到了迅猛发展，它们具有稳定性强、简单快捷、客观准确的优点，逐渐成为最具前景的储藏小麦品质评价新技术。

本研究从视觉、嗅觉、味觉和听觉4种不同的感官角度出发，对不同智能感官技术的研究成果、应用现状、优势和存在问题进行了综述，同时展望了未来发展趋势。

1 智能感官技术基本工作原理

智能感官是基于对人体感官感知过程的模仿，尽管不同智能感官设备的研究对象有所差异，但它们的组成和工作原理具有一定的相似性，一般都包含了传感器、信号采集器和计算机系统，其中传感器如同人类的感觉器官用于感知并获取样品的响应信号；信号采集器类似于人体神经系统，实现响应信号的传输和简单预处理；计算机系统相当于人类的大脑，利用智能化手段对信号进一步分析处理，并对评价对象的特性作出综合判断[6]。智能感官技术用于储藏小麦品质评价的主要工作流程如图1所示。其中，计算机系统中模式识别技术的选择是影响评价结果准确性的关键因素，表1总结了现阶段智能感官常用的模式识别技术。

图1 智能感官技术用于小麦品质评价的工作流程

2 智能感官技术在小麦品质评价中的应用

2.1 机器视觉技术

机器视觉是利用计算机来模拟人类宏观视觉功能的科学和技术，涉及光学成像、数学分析、图像处理、神经生物学及人工智能等相关技术，通过对样本图像中的有效信息进行提取和分析处理，从而实现样本的分级和分类工作[7]。机器视觉系统一般由光源、图像采集卡、计算机系统等几部分组成，见图2。

图2 机器视觉系统

表1 智能感官系统常用模式识别技术

2.1.1 机器视觉在小麦外观品质评价中的应用

外观特性反映了小麦品质属性，品质优良的小麦色泽健康、籽粒完整，若受到真菌、不良温湿度或储粮害虫的影响，小麦表皮色泽或结构会发生明显变化，如遭受镰刀真菌侵蚀的小麦籽粒皱缩、表皮出现粉红色霉状物，储藏在潮湿环境下的小麦种皮破裂、发芽长出幼根[8，9]。因此，利用机器视觉技术对小麦的形状、纹理、颜色等外观特征参数进行准确量化和比较，能够实现不同品质小麦的有效区分。

针对不同的小麦劣变类型，选用更有辨别度的特征能显著提高品质评价精度，如祝诗平等[10]为准确识别小麦破损粒(主要表现为籽粒形状的变化)，提取了小麦的面积、周长等8个形状特征，构建的CNN模型的平均识别率达到96.67%；Ropelewska[11]检测感染镰刀真菌的小麦时(主要症状为籽粒颜色的变化)，从小麦图像的RGB、Lab、XYZ色彩空间中提取了20种颜色特征，RBFNN分类器的精度超过94%。机器视觉系统同时对多种小麦不完善粒检测评价时，仅提取形状、颜色等单属性特征难以有效区分，为此，Delwiche等[12]对小麦健康粒和发霉粒、发芽粒和黑胚粒4种不同品质小麦进行分类时，除了提取小麦面积、椭圆偏心率等形态学特征外，还考虑了对比度、相关性、均匀性等纹理特征，建立的LDA等分类模型的识别率在91%～94%之间。

研究人员尝试将光谱技术融合到机器视觉中，如Xing等[13]采集了正常和发芽小麦的光谱图像信息，发现当波长在878 nm和728 nm时，正常小麦和发芽小麦的平均光谱反射率有显著差异，可以用来确定小麦是否发芽。He等[14]同时提取了小麦的颜色、纹理特征和近红外光谱特征，并建立了基于多特征融合的小麦霉菌侵染检测的LDA模型，识别精度达到了95.06%。相关研究显示，融合光谱特征的机器视觉技术，有利于提高小麦外观品质评价精度。

2.1.2 机器视觉在小麦品质指标评价中的应用

机器视觉除了直接用于小麦外观品质的评价，还可以对小麦一些品质指标的含量进行预测分析，间接获悉小麦品质状况，如α-淀粉酶活性可以作为评估小麦损伤程度的重要指标，Shrestha等[15]采用双摄像头机器视觉系统提取了小麦质地、形状等16种视觉特征，并基于ANN模型对α-淀粉酶活性建模分析，从而对正常小麦、破损及严重破损小麦作出了有效判别；含水量是与小麦储藏品质紧密相关的一个指标，Ramalingam等[16]利用机器视觉系统研究了含水量和小麦籽粒形态特征变化之间的关系，结果表明小麦的面积、周长、长轴长度、短轴长度、最大半径、最小半径和平均半径这7个特征随着含水量的增加呈线性增长的趋势，通过研究这些特征的变化有助于对小麦含水量作出准确判断。

2.1.3 机器视觉在小麦内部品质评价中的应用

将X射线等非可见光成像设备应用于机器视觉中，能够实现小麦内部品质的评价，如邵小龙等[17]采用基于软X射线的机器视觉技术研究了米象在小麦中的生长发育过程，在小麦被侵染的第12天可以观察到幼虫，第35天有成虫出现，从图像中提取了47个特征参数用于建模分析，结果显示超过95%的虫蚀小麦被成功检测。Nawrocka等[18]采用灰色标度等方法计算了害虫感染后20～66 d小麦X射线图像的质量损失，并建立了质量损失多项式曲线，以此来确定虫蚀时间和虫蚀位置。

2.1.4 机器视觉系统的局限性及展望

尽管机器视觉用于储藏小麦品质评价已基本实现了无损、准确的目的，但仍存在一定的局限性，由于机器视觉技术采集图像时容易受到外界光源的干扰，成像效果对于后续的图像处理及评价结果影响较大；而且现阶段大多局限于实验室环境下单粒小麦外观品质的评价，效率难以满足实际需求。因此优化测试环境、研发多籽粒快速检测设备将成为未来研究的重点。

2.2 电子鼻技术

小麦在储藏过程中，烃类、醛类和脂类等有机物会伴随着籽粒的呼吸作用、微生物及真菌的繁衍等行为产生并挥发到空气中，出现如酸味、霉味等特殊气味，通过对这些气味进行检测及分析，有助于探究小麦品质劣变趋势[19]。小麦的挥发性物质超过百种，若直接通过嗅觉感官鉴别小麦气味信息，不仅辨识度低，而且存在损害身体健康的风险，近年来，随着电子鼻技术的发展，其敏感性和选择性为小麦挥发性气味的检测提供了安全可靠保障。电子鼻是一种快速、灵敏的挥发性物质电子检测仪器，见图3，通过传感器识别不同的挥发性分子，并产生相应的电子信号输入到数据检测单元中，实现对气味的量化[20]。

图3 电子鼻系统结构图

2.2.1 影响电子鼻评价精度的主要因素

电子鼻的传感器数量较多，而且不同传感器对于挥发性气体响应程度差异性较大，若对全部传感器信号进行分析可能导致信息冗余、占用计算和存储空间，进而影响评价精度和效率，因此气体传感器阵列的选取是决定电子鼻评价效果的关键因素[21]，Zhang等[22]为了去掉差异性不显著的传感器，将多变量方差分析和Loading分析用于传感器阵列的优化，最终从10个传感器中选取出5个最优的传感器信号用于建模分析，结果表明，采用全部传感器阵列的ANN模型对小麦贮藏年限的识别率为88%，而经传感器阵列优化后的模型精度达到了96%，说明优化传感器阵列并不影响模式识别结果，反而提高了电子鼻的检测性能。对于信号分析方法的选取，张婷婷等[23]研究结果表明PCA方法无法区分活力接近的小麦种子，而LDA与Loading分析相结合的评价模型对不同活力小麦种子作出了准确鉴别，并得出了小麦种子气味差异主要来自于有机硫化物、无机硫化物、短链烷烃、小分子氮氧化合物和醇醚醛酮类气体的结论。

2.2.2 电子鼻在小麦品质评价中的应用

电子鼻技术在储藏小麦品质评价领域的研究工作主要集中于小麦霉变检测、储藏年限及生活力检测、害虫侵染程度分析等，研究人员利用电子鼻研究了不同品质小麦的主要挥发性气体类型及含量变化情况，取得了丰硕的研究成果，如Lippolis等[24]开发了一种基于电子鼻的小麦霉菌侵染快速检测方法，识别率达到90.1%；伟利国等[25]通过电子鼻准确判别了小麦的生活力状况；Mishra等[26]研究了电子鼻评估不同侵染程度的虫蚀小麦的可行性。表2中对电子鼻在小麦品质评价中的主要研究成果进行了总结。

表2 电子鼻在小麦品质评价中的研究成果

续表2

2.2.3 电子鼻技术的优点及局限性

电子鼻识别小麦挥发性气味时，不需要繁琐的样品预处理流程，且具有成本低廉、测试简单、反应快、绿色等优势，但将其应用于大型粮仓时存在气味传感器节点布线难等问题，而且受制造工艺、敏感膜材料等因素制约，检测性能未达到理想效果。因此，为实现粮仓中小麦气味的实时准确监测，仍需进一步研究和完善电子鼻相关配套技术。

2.3 电子舌和TPA技术

食用品质同样是小麦最重要的品质属性之一，研究发现，若小麦的蛋白组成、微观结构发生巨大变化，会导致其制品的表面色泽变差，食用口感发黏、变味等，因此食用品质常作为小麦品质的评价依据[31]。传统小麦及其制品的食用品质评价方法是通过制定评分标准，并由品评人员进行打分，如GB/T 20571—2006《小麦储存品质判定规则》中将馒头的评分标准分为表面色泽、气味和食味等7个方面。尽管传统的品尝评分方法能够得到有效的品质评价结果，但评价流程繁琐，而且结果受评价人员喜好等主观性因素影响较大。为了得到更加科学可靠的评价结果，将电子舌及TPA等智能感官设备应用于小麦及其制品的食用品质评价中已成为新的研究热点。

2.3.1 电子舌在小麦食用品质评价中的应用

电子舌也被称为智能味觉仿生系统，是模仿人和动物的味觉感知设计出的一种电化学分析仪器[32]。电子舌的组成和电子鼻类似，一般分为信号采集系统、传感器阵列和计算机系统，根据传感器工作方式的不同，又可以将电子舌细分为阻抗型、电位型和伏安型3类。

另外，小麦制品是电子舌的主要研究对象，通过对小麦制品的食用品质进行评价分析，能够在一定程度上获悉小麦的品质状况，表3中列举了电子舌在小麦制品品质评价中的相关研究成果。

表3 电子舌在小麦制品品质评价中的研究成果

2.3.2 TPA在小麦食用品质评价中的应用

质地剖面分析(TPA)是一种新兴的小麦制品食用品质评价技术，其主要原理是模拟人类口腔的咀嚼运动对样品进行二次压缩，获取压缩峰面积、压缩变形施加的力等参数值并进行分析处理，进而得到制品的弹性、硬度、黏性、咀嚼性、内聚性等味觉评价指标，并以此对制品食用品质作出评价[39]。

TPA能够实现品尝结果的量化分析，在小麦品质评价中发挥了重要作用，如张国从等[40]为了筛选优质面条专用小麦品种，通过TPA研究了19个中筋小麦的品质性状和面条加工特性，结果显示面条感官总分与TPA的粘聚性和回复性呈正相关，与TPA的咀嚼度、弹性等特征呈负相关，面条的食用品质能够通过TPA参数得到间接反映。Hou等[41]通过TPA研究了面条与小麦粉理化性质和蛋白质之间的相关性关系，发现小麦总蛋白含量与面条的硬度、黏度、嚼劲呈正相关，低分子量谷蛋白和醇溶蛋白含量与面条的硬度、黏性和咀嚼性呈正相关，而白蛋白和球蛋白含量与面条的硬度呈负相关，根据小麦粉的质构性质能够对面条品质作出评价。此外，为了验证TPA替代感官评价方法评价小麦馒头食用品质的可行性，张国权等[42]利用TPA并结合Minolta色度仪获取了不同品种小麦馒头的弹性、黏聚性、亮度等指标值，并替代感官评价对小麦馒头的食用品质进行分析，该方法得到的评价结果与传统感官评分结果基本一致，具有较高的可靠性。

2.3.3 味觉智能感官技术的局限性及展望

电子舌及TPA等味觉智能感官技术的应用，提高了小麦食用品质评价结果的科学性及效率。但电子舌传感器具有一定的限制性和选择性，只能检测液体样品，同时样品的制备缺乏统一的流程规范；而且电子舌的评价效果易受周围环境的影响，这就需要在检测过程中严格控制温度变化。而TPA的测试条件和实验参数的设置研究较少，没有统一的标准，需要开发出适合不同制品评价的科学规范。另外，TPA往往只能反映小麦制品的部分食用品质特征，常要与其他方法的联用才能获得更精确的评价结果。

2.4 声学检测系统

声学检测是通过研究声波与介质之间的相互作用规律，探究媒质的力学性质和几何性质，进而得到介质内部信息的一种技术[43]。相关研究发现，小麦的声学特性会随着籽粒破损、虫蚀等组织结构的变化而不断发生改变，而且同一品种但品质不同的小麦，声学特征也存在一定差异性，根据这一特点能够区分不同品质的小麦[44]。

2.4.1 声学检测在小麦害虫检测中的应用

虫蚀粒识别是声学检测的主要应用方向，受昆虫隧道或虫洞影响，虫蚀小麦撞击检测台时，产生的声信号会明显弱于正常小麦，通过对声信号的处理和分析，有助于虫蚀粒的准确识别，如魏琳等[45]采集了小麦撞击金属板产生的声信号，发现正常小麦的声信号时域波形较为稳定，而虫蚀粒的时域波形变化很大，利用傅里叶变换方法处理并提取声信号相关特征，并输入BPNN进行评价分类，对虫蚀粒的检出率达90%。由于声信号属于非平稳、非线性信号，小波变换、傅里叶变换等传统时频分析方法由于缺乏自适应基函数，处理效果不佳，为此，Guo等[46]提出了采用集合经验模态分解(EEMD)处理声信号的方法，并提取了声信号的固有模态函数的峰度、形状因子、三阶熵和平稳性度均值作为判别特征，该方法对虫蚀小麦的评价精度达到了93.3%，相比于傅里叶变换方法，在精度上得到了一定提高。

除了通过撞击采集声信号的方法，研究人员利用传感器等装置对害虫的活动、进食等行为发出的声音进行采集、放大和处理，实现了害虫密度、种类及数量的准确检测，如Eliopoulos等[47]利用压电传感器和便携式声发射放大器等构建的声学检测系统验证了其对小麦害虫密度估计的可行性，通过对害虫活动音频数据进行希尔伯特变换和减去噪声等预处理，建立的声信号与害虫密度之间的线性模型准确率达72%～100%；Geng等[48]利用声学检测技术研究了害虫的爬行声音，其采用滤波和小波方法进行降噪，以获取清晰的声音信号，通过分析声信号的功率谱特征，可以发现不同害虫的爬行声音信号存在明显差异，根据这一特点有助于准确判断害虫种类。

2.4.2 声学检测技术在小麦品质评价中的其他应用

根据不同品质小麦声学特征的差异性，声学检测技术可以对各品质小麦作出快速有效识别，如Guo等[49]为了准确分辨出正常小麦中的虫蚀小麦和发芽小麦，采用高斯模型的冲击声信号处理技术和改进的极限学习机，研究了不同损伤类型小麦的声学特性，该方法对正常、虫害和发芽小麦的分类准确率分别为92.0%、96.0%和95.0%；同时，张丽娜等[50]提出了采用数字信号处理方法提取正常、虫害、发芽和霉变4类小麦碰撞声信号的特征，并通过GRNN进行分析和评价，为小麦品质的自动化检测提供了一种可行方法。另外，声学检测技术同样适用于小麦含水量、硬度等品质指标的检测，如Amoodeh等[51]采集了小麦撞击在玻璃材质平板上产生的声信号，并将冲击声的声压级变化作为输出电压，分析发现输出电压与小麦含水量之间存在显著相关性，在8%～20%含水量范围内的最大检测误差小于1.25%；郭建铭等[52]采集了2种不同硬度小麦在25～40 kHz 频段的超声信号，利用小波包变换处理超声信号，并提取了与小麦硬度有强相关性的多个特征参数，建立的线性回归模型的R2为0.958 9，为小麦硬度的检测提供了一种新方法。

2.4.3 声学检测技术的局限性

声学检测因其具有的简单、无损、快速、高灵敏度等优点，已引起了研究人员的广泛关注，但仍存在一些问题亟需解决，如声信号采集过程中容易受到背景噪声的干扰，因此需要研究更有效的噪声消除方法；而且，声学检测技术无法对小麦中的死虫和早期幼虫作出准确判断；此外，如何更有效的提取声信号特征、构建更准确的声信号和小麦品质间函数关系等问题也需要深入研究。

3 总结

智能感官评价技术相比于传统的人工感官评价技术具有客观、高效和精确等优势，在储藏小麦品质评价中得到了一定的应用，并展现出良好的发展潜力。但就目前而言，仍存在许多问题需要解决，本研究给出可能的发展趋势探讨。

构建小麦品质评价标准化数据库。现阶段，小麦品质评价结果往往具有一定的模糊性。而且，不同地域、品种的小麦在评价标准上也存在一定的差异性。需要建立一套具有代表性的小麦品质评价标准化数据库，并在实际应用中不断更新。提高信号采集装置的稳定性和灵敏性。智能感官设备采集特征信息时容易受到温湿度、光源、噪声等因素干扰，导致采集的数据不稳定，重现性差。需要深入探究和研制稳定性强、灵敏度高的新型信号采集装置。增强模式识别技术的鲁棒性。许多研究未对模式识别技术进行仔细讨论和比较，可能导致在其他数据样本上无法复制优异的表现。需要加强模式识别技术的研究及优化，并对其适应性进行综合比较和验证。融合多种智能感官技术。单一的智能感官设备只能评价小麦某一方面的品质特征，难以综合判断小麦的品质状况。可以考虑将多种智能感官技术联合使用，综合小麦的各类感官特征以实现更精准高效的评价。开展产业化研究。现有智能感官技术多集中于实验室环境下的小批量品质评价，效率难以满足工业化应用的需求。需要研究和开发成本低廉、性能稳定、精准高效的小麦品质大批次在线、可重复性检测系统。