利用波长范围在833～2 500 nm的傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy, FT-NIR)对不同霉变程度的玉米颗粒进行检测区分。 首先, 为避免光谱数据首尾噪声影响, 对比四种常见的预处理方法, 最终选择移动平均平滑法对原始光谱数据进行预处理; 然后为选出合适的样本集划分方法以提高模型预测性能, 对常见的四种方法进行对比, 最终利用SPXY(sample set partitioning based on joint x-y distance)法进行样本集划分; 进一步为减少数据量, 降低维度, 使用连续投影算法(successive projections algorithm, SPA)提取出7个特征波长, 分别为833, 927, 1 208, 1 337, 1 454, 1 861和2 280 nm; 最后, 将七个特征波长数据作为输入, 选取径向基函数(radial basis function, RBF)作为支持向量机(support vector machine, SVM)核函数, 取参数C=7 760 469, γ=0.017 003建立判别模型。 SVM模型对训练集和测试集的预测准确率分别达到97.78%和93.33%。 另取不同品种的玉米颗粒, 以同样的标准挑选样品组成独立验证集, 所建立的判别模型对独立验证集的预测准确率达到91.11%。 结果表明基于SPA和SVM能有效地对玉米颗粒霉变程度进行判别, 所选取的7个特征波长为实现在线霉变玉米颗粒近红外检测提供了理论依据。

黄曲霉毒素是广泛存在于玉米中且具有剧毒的一种代谢产物, 以美国农业部农业研究署(USDA-ARS) Toxicology and Mycotoxin Research Unit提供的2010年先锋玉米为研究对象, 验证了高光谱成像技术对玉米中黄曲霉毒素检测的可行性。 以甲醇为溶剂制备四种不同浓度的黄曲霉毒素溶液, 并将其逐一滴在等量的4组共120粒玉米颗粒表面, 以未处理的30粒洁净玉米作为一组对照样本, 将大小、 形状相似的150个样品随机分为训练集103个, 验证集47个; 对获取的400～1 000 nm波段范围内的高光谱图像, 先进行标准正态变量变换(standard normal variate transformation, SNV)预处理, 然后引入基于Fisher判别最小误判率的方法选择最优波长, 并以所选波长作为Fisher判别分析法的输入建立判别模型, 对玉米颗粒表面不同浓度的黄曲霉毒素进行识别, 最后对模型判别正确率进行了验证。 结果表明, 选取四个最优波长(812.42, 873.00, 900.36和965.00 nm)时Fisher判别分析模型对训练集与验证集的准确率分别为87.4%和80.9%。 该方法为含黄曲霉毒素玉米颗粒便携式检测仪器的开发, 以及对田间霉变玉米自然代谢产生毒素的检测奠定了技术基础。