近红外光谱分析技术在玉米品质检测中的应用研究进展

作者及机构
本文由常莉（北京工业大学环境与生命学部）、翟晨*（中粮营养健康研究院有限公司营养健康与食品安全北京市重点实验室）、钱承敬、史晓梅、张巍巍、罗云敬*（北京工业大学）、张晓琳等合作完成，发表于2024年第60卷第01期《review papers·综述》。

研究背景与主题
玉米是我国重要的粮食作物和饲料来源，其品质检测涉及化学成分（水分、蛋白质、淀粉等）、安全指标（毒素）及种子质量等多方面。传统化学检测方法存在破坏样品、耗时长、依赖专业人员等问题。近红外光谱分析技术（Near-Infrared Spectroscopy, NIRS）因其快速、无损、多组分同步分析的优势，成为玉米品质检测的研究热点。本文综述了NIRS在玉米检测中的应用进展，旨在为该技术的标准化和推广提供参考。

主要观点与论据

1. NIRS在玉米饲用品质检测中的应用

   • 淀粉检测：淀粉占玉米干重的70%，是能量饲料的关键成分。韩洁楠等通过偏最小二乘法（PLS）建立模型，最优预处理为一阶导数法，验证均方根误差（RMSEV）为0.738，决定系数（R²c）达0.854。高光谱成像技术结合人工神经网络（ANN）可提升单粒玉米淀粉预测精度（Rv=0.960）。
     
   • 蛋白质与脂肪检测：陈海燕等采用标准正态变换（SNV）预处理，粗蛋白模型的R²v达0.973；Chen等通过双组分联合分析，蛋白质和脂肪的预测误差（RRMSEV）分别降至3.480和4.680，显示多组分同步检测的优越性。
     

2. NIRS在食用与安全品质检测中的潜力

   • 鲜食玉米糖分分析：杨泉女等建立的葡萄糖、果糖和蔗糖模型R²v分别为0.683、0.780和0.875，支持快速口感评价。
     
   • 毒素与霉变检测：Gaspardo等对伏马毒素B1/B2的检测R²c达0.983；袁莹等基于支持向量机（SVM）的霉变判别准确率超90%。但NIRS的检测限尚需突破，需结合化学计量学优化。
     

3. 种子质量与转基因鉴别的创新应用

   • 种子活力与水分：张乐等利用随机森林回归算法，单粒种子水分检测R²c达0.988；王雪等通过主成分分析（PCA）区分种子质量级别，准确率95.2%。
     
   • 转基因识别：彭城等基于SVM模型对转基因玉米籽粒的判别正确率达100%，但粉末样本精度下降，提示需进一步优化光谱采集条件。
     

技术挑战与改进方向
- 模型局限性：部分研究样本代表性不足（如淀粉模型对极端含量样本预测不稳定），需扩大样本量和来源。
- 标准化需求：缺乏统一的光谱采集与存储标准，环境因素（如温湿度）易干扰数据重现性。
- 多模态融合：建议结合高光谱成像技术，同步分析内部成分与表面品质（如霉变、破损）。

研究价值与展望
本文系统总结了NIRS在玉米全产业链（种植、加工、饲用）中的技术优势，为无损检测提供了方法论支持。未来需推动以下方向：
1. 设备智能化：开发便携式NIRS设备，结合物联网实现实时监测。
2. 跨学科整合：引入深度学习算法（如卷积神经网络）提升模型泛化能力。
3. 标准体系构建：联合行业机构制定NIRS检测规范，覆盖不同品种和产地玉米。

亮点总结
- 技术全面性：覆盖玉米营养、安全、种质三大核心领域，凸显NIRS的多场景适用性。
- 方法创新：如高光谱成像与ANN的结合、双组分联合分析模型，提升了检测效率和精度。
- 应用导向：针对产业痛点（如毒素快速筛查、种子活力评估），提出可落地的解决方案。

本文为NIRS技术在农业检测中的深化应用提供了重要依据，其跨领域整合思路对谷物品质管理的智能化转型具有启示意义。