本研究由Yuan Long、Wenqian Huang、Qingyan Wang、Shuxiang Fan和Xi Tian共同完成，他们分别来自北京农林科学院智能装备研究中心、国家农业智能装备工程技术研究中心、农业部农业信息技术重点实验室和北京市农业智能装备技术重点实验室。该研究于2021年10月2日在线发表在《Food Chemistry》期刊上，文章编号为131246。
本研究属于食品化学和农业工程领域，旨在解决玉米霉变检测中的关键问题。玉米是全球广泛种植的主要粮食和饲料资源，但由于其富含淀粉、脂肪和蛋白质，在储存和运输过程中容易受到霉菌感染，尤其是在高温高湿环境下，霉菌感染会导致玉米产生多种真菌毒素，严重威胁人类和牲畜的健康，并造成巨大的经济损失。因此，及时检测单个玉米粒的霉变程度，防止霉菌扩散，成为一项重要任务。传统的霉菌检测方法如菌落计数法、聚合酶链反应（PCR）、酶联免疫吸附试验（ELISA）和气液相色谱法（GC和LC）等，虽然有效，但操作复杂、耗时长，且需要专业人员进行复杂的生化实验。因此，开发一种快速、无损的检测方法成为迫切需求。本研究利用拉曼高光谱成像技术（Raman Hyperspectral Imaging, RHSI）结合化学计量学方法，探索了一种新型的无损检测方法，用于定量测定单个玉米粒的霉菌孢子数量。
本研究的主要流程包括以下几个步骤：
样本准备：从山东某粮库获取了200多个健康玉米样本（品种为郑单958）。每个样本单独存放，避免相互干扰。样本在人工气候室中储存15天，模拟自然环境下的霉变过程，温度和湿度分别控制在28℃和85%。每天随机选取12个样本进行拉曼高光谱数据采集和霉菌孢子计数，最终获得192个不同霉变程度的玉米样本。
拉曼高光谱数据采集与提取：使用线扫描拉曼高光谱成像系统采集数据，系统主要包括16位CCD相机、拉曼成像光谱仪、785 nm线激光模块和电动移动平台。每个玉米粒的拉曼高光谱图像提取为15.625 mm × 12.5 mm的区域，拉曼位移范围为358 cm⁻¹到2003 cm⁻¹，每个图像由125 × 100像素组成，共460个拉曼位移。
霉菌孢子数量检测：采用平板计数法测定霉菌孢子数量。将每个玉米粒研磨成粉末，经过筛网过滤后，加入无菌生理盐水，进行均匀混合和稀释，最终在培养基上培养72小时后进行计数。
高光谱图像和纹理特征提取：通过主成分分析（PCA）降低数据维度，提取玉米粒的纹理特征。使用灰度共生矩阵（GLCM）计算纹理特征参数，包括均匀性、对比度、相关性、熵和能量等。
光谱和纹理数据预处理：对原始拉曼光谱进行预处理，包括自适应迭代重加权惩罚最小二乘法（airPLS）去除荧光背景、Savitzky-Golay平滑（S-G smoothing）去除噪声、多元散射校正（MSC）和标准正态变量（SNV）标准化等。
化学计量学建模：采用偏最小二乘回归（PLSR）、最小二乘支持向量机（LS-SVM）和逐步回归（SWR）三种算法建立定量模型，预测单个玉米粒的霉菌孢子数量。
变量选择和模型优化：使用竞争性自适应重加权采样（CARS）方法优化特征变量，选择关键拉曼位移和纹理特征，进一步提高模型的预测精度。
独立验证和可视化：通过独立验证集验证模型的准确性，并可视化玉米霉变过程中霉菌孢子的分布情况。
玉米霉变过程：在15天的储存过程中，玉米粒的霉菌孢子数量逐渐增加，尤其是在第10天后呈指数增长。部分玉米粒在储存过程中未出现霉菌，表明其表面未附着霉菌孢子。
拉曼光谱预处理：通过S-G平滑和airPLS预处理，有效去除了荧光背景和噪声，提取了与玉米主要成分相关的拉曼峰，如淀粉、木质素和类胡萝卜素等。
定量模型建立：PLSR模型在预测霉菌孢子数量方面表现最佳，尤其是在玉米胚乳区域的预测精度较高。结合拉曼光谱和纹理特征的模型进一步提高了预测准确性。
变量选择和模型优化：通过CARS方法选择的50个变量（包括5个光谱变量和45个纹理变量）显著提高了模型的预测精度，验证集的相关系数（Rv）为0.8619，均方根误差（RMSEv）为0.5899。
独立验证和可视化：独立验证集的相关系数为0.8027，RMSE为0.8690，验证了模型的有效性。通过伪彩色图像，清晰展示了玉米霉变过程中霉菌孢子的分布情况。
本研究成功开发了一种基于拉曼高光谱成像技术的无损检测方法，能够定量测定单个玉米粒的霉菌孢子数量。该方法结合了拉曼光谱和纹理特征，通过化学计量学建模和变量优化，显著提高了检测精度。研究结果表明，拉曼高光谱成像技术在玉米霉变检测中具有巨大潜力，为食品质量安全监测提供了一种快速、无损的检测手段。
本研究不仅为玉米霉变检测提供了新的技术手段，还为其他粮食作物的质量监测提供了参考。未来研究可进一步探索不同霉菌种类与拉曼光谱的关系，扩展该技术的应用范围。