大米加工精度在線檢測技術的研究進展

李心悅，黃文雄，周 娜，楊會賓，王 彪，牛家鐸，鄧華平，羅小虎

(1.國糧武漢科學研究設計院有限公司，湖北 武漢 430079；2.衢州市庫米賽諾糧食機械制造有限公司，浙江 衢州 324000；3.江南大學，江蘇 無錫 214122)

聯(lián)合國糧農組織發(fā)布的《2019年糧食及農業(yè)狀況》報告[1]中指出，全球在收獲后到零售前的供應鏈環(huán)節(jié)損失的糧食約占總產量的14%。據聯(lián)合國糧農組織估計，中國每年在收割、運輸、儲備、加工過程中糧食損失浪費超過6%。我國為保障糧食安全，在增加糧食產量的同時，一直提倡節(jié)糧減損。中共中央辦公廳、國務院辦公廳于2021-10-31，印發(fā)了《糧食節(jié)約行動方案》，明確通過完善適度加工標準，合理確定加工精度等指標，提高糧油加工轉化率，從而推進糧食加工環(huán)節(jié)節(jié)糧減損。針對在大米加工過程中普遍存在過度加工的問題，2019-05-01實施的最新版《大米》國家標準(GB/T 1354—2018)，對大米的加工精度設置了上限，以引導大米適度加工，推動節(jié)糧減損。因此亟需開發(fā)科學、快速、準確的大米加工精度檢測方法，應用于大米加工環(huán)節(jié)的在線檢測，從而有效控制碾米程度，防止過碾，降低能耗，降低碎米率，提高出米率，助力于節(jié)糧減損。

本研究將介紹目前報道過的可應用于大米加工精度在線檢測的方法，綜述大米加工精度在線檢測技術的研究進展，為大米加工精度的測定方法研究提供參考。

1 加工精度的定義

大米加工精度是指糙米皮層被碾去的程度，即碾磨后的大米表面留皮度?！洞竺住穱覙藴?GB/T 1354—2018)中，加工后米胚殘留以及米粒表面和背溝殘留皮層的程度，分為精碾和適碾兩個等級。具體要求為“精碾：背溝基本無皮、或有皮不成線，米胚和粒面皮層去凈的占80%～90%；或留皮度在2.0%以下。適碾：背溝有皮，粒面皮層殘留不超過l/5的占75%～85%，其中粳米、優(yōu)質粳米中有胚的米粒在20%以下，或留皮度為2.0%～7.0%”。大米的加工精度決定了大米外觀質量和食味品質，加工精度越高，米粒表面殘留糠皮量越少，胚乳表面越光潔，外觀品質、適口性也就越好。

2 大米加工精度的檢測方法

根據大米加工精度的定義，大米加工精度實際上就是表征大米糠層去除或保留程度。在大米加工生產過程中，大米加工精度通常是通過技術人員憑主觀經驗判斷，或通過國標法染色后與標準米樣品進行對比判定，操作復雜，結果精準性差，受檢測人員影響偏差較大。要實現(xiàn)大米加工精度的在線檢測，需要應用到儀器分析技術，如近紅外光譜、紫外可見光譜以及圖像分析技術等。

大米加工精度的檢測方法可按原理歸為三類，分別是質量表征法、糠層成分表征法和外觀表征法[2]。質量表征法即通過糙米碾磨后糠層被去除的質量比，也就是“糙出白率”來表征加工精度?？穼映煞直碚鞣赐ㄟ^測定大米表面糠層成分，間接判定大米的加工精度。外觀表征法即直接或染色后觀察大米表面顏色差異，對照標準米樣品判定加工精度。

2.1 質量表征法

糙米的質量隨著碾米加工不斷減少，因此，可以用糙米在碾磨過程中損失的質量百分比，或糙米碾磨后的質量占碾磨前的質量百分比來衡量加工精度[3]，也稱糙出白率。糙米中皮層占總質量的6%～8%，胚占2%～3%，胚乳占89%～94%[4]。糙米經碾磨去除6%的外糠層，再經過拋光去除2%的內糠層即得到精白米[5]。

大米糠層占糙米的質量百分比與大米品種和栽培條件有關。當兩種不同大米被碾去相同質量，其糠層去除的程度不一定相同，即加工精度不一定相同。米粒背溝中的糠層較難去除，當碾去相同質量后，背溝較深的米粒比背溝淺的米粒將保留更多的糠層成分，加工精度更低。質量表征法無法準確地表示大米的加工精度，但該方法通過稱量即能實現(xiàn)客觀、快速地定量測定，在加工同一種大米時具有可參考性，能夠用于生產過程中加工精度的粗略估計。

2.2 紫外-可見光譜法

不同物質對于可見光和不可見光會選擇一定波長的光線進行吸收，每種物質都有其特有固定的吸收光譜曲線。選擇哪些波長的光線吸收，由物質分子、原子和不同的分子空間結構決定，這也表現(xiàn)出不同物質會顯示出其特征的顏色。根據物質的顏色特性可對它進行有效的分析和判別，根據吸收光譜上某些特征波長處吸光度的大小，判別或測定該物質的含量。

稻米中不同部位的維生素含量不同，絕大部分在米粒的胚和糊粉層中。在碾米過程中，當越深入胚乳組織內部，維生素含量就越少，加工精度越高,損失越大。熊善柏等[6]研究了碾白精度對大米維生素含量的影響，發(fā)現(xiàn)在大米碾磨過程中，維生素的損失相當嚴重，隨著加工精度提高，VB1、VB2和VB5的損失以冪形式增加。周玉東和姚妙愛[7]發(fā)現(xiàn)加工等級對大米中VB1和VB5含量的影響較VB2大。利用紫外分光光度法測定維生素含量已十分成熟。利用大米加工精度與其維生素含量數(shù)據建立有效的數(shù)學模型，就能通過測定大米維生素含量來預測出大米的加工精度。

夏建春[8]認為只要知道大米表面營養(yǎng)成分的含量，就可以推斷出大米的加工精度。光譜分析技術在對稻米營養(yǎng)成分含量作定量檢測方面已經比較成熟，應用也非常方便，因此采用紫外-可見分光光度計對大米表面營養(yǎng)成分的含量進行測定，進而對大米加工程度做出判定，發(fā)現(xiàn)光譜數(shù)據與碾米程度相關性非常高，認為光譜檢測技術可以應用于稻米加工中大米加工精度的在線檢測。

2.3 近紅外光譜法

大米中的脂類物質主要分布在米粒的糠層和胚部，胚乳中的脂類物質含量極少，從某種程度上講，如果米粒表面留皮及留胚越多，其脂類物質也將越多。因此大米中脂肪含量的高低可被用作大米營養(yǎng)品質的分析指標，同時也能夠直接用來反映大米的加工精度，應用于等級判定。Chen和Bergman[9]測定了4種大米在不同碾削時間下的脂肪含量，認為如果已知大米表面脂肪含量，那么大米的加工精度也能確定。

近紅外光譜技術能夠快速地對大米表面脂肪含量進行定量分析，可將其應用于大米表面脂肪含量的測定。根據脂肪含量，進行大米加工精度等級的判定，實現(xiàn)大米加工精度的在線檢測。多項研究探討了利用近紅外光譜測定大米表面脂肪含量進而判斷大米加工精度的可能性。

陳國銘[10]研究了采用近紅外光譜對大米的加工精度等級進行判定。首先利用近紅外光譜漫反射技術測定大米表面脂肪含量，建立大米脂肪含量與加工精度的數(shù)學模型，對于未知大米樣品，利用近紅外光譜測量其表面脂肪含量就能通過數(shù)學模型預測出大米的加工精度。

陳坤杰等[11]研究利用近紅外光譜對稻米糙出白率進行測定。使用近紅外光譜分析技術結合偏最小二乘法建立稻米糙出白率的定標模型，并探究了糙出白率與大米加工精度等級之間的關系，采用馬氏距離判別法建立基于糙出白率的大米加工精度的判別模型，預測精度可達98.33%，能實現(xiàn)對大米加工精度等級的快速測定。

由于近紅外光在光纖中具有良好的傳輸特性，通過光纖即可迅速將數(shù)據傳遞給遠離采樣現(xiàn)場的儀器，很適合于生產過程中的樣品分析，實現(xiàn)在線分析和遠程監(jiān)控。利用近紅外分析技術對大米中脂肪含量進行快速準確的測定，對于大米加工精度的在線檢測有十分重要的指導意義[12]。同時近紅外光譜分析操作簡單，效率高，測定過程中不損傷樣品，也不使用任何化學試劑，不會對環(huán)境造成污染，屬于“綠色分析”技術。但由于大米成分含量和分布因品種而異，因此檢測前需要耗費時間對各品種大米建立相應的標準數(shù)據庫。

2.4 圖像分析技術

隨著計算機技術的快速發(fā)展，計算機視覺被引入大米加工精度的檢測，無論是經過染色預處理的大米還是未處理的大米，通過圖像分析均能實現(xiàn)大米表面留皮度的檢測。檢測的步驟主要為，首先用攝像頭獲取大米籽粒圖像；對大米圖像進行預處理，消除圖像中存在的無關或者會影響最終識別效果的信息；然后提取圖像中的特征值，如顏色特征和紋理特征，再根據特征值判別大米的加工精度。

現(xiàn)行的國標《糧油檢驗大米加工精度檢驗》(GB/T 5502—2018)中包括圖像處理技術的儀器輔助檢測法和儀器檢測法。使用伊紅Y-亞甲基藍染色劑將米樣染色，米粒皮層、胚與胚乳分別呈現(xiàn)藍綠色和紫紅色，通過對比觀察法、儀器輔助檢測法、儀器檢測法對照標準米樣品判斷大米加工精度。其中用到的檢測設備是由北京東孚久恒儀器公司研發(fā)的基于圖像分析技術的大米加工精度檢測儀[13]。通過該儀器的測定能得出米粒樣品具體的留皮度，且具有良好的重復性、再現(xiàn)性。

與人工感官評定法相比，將米樣染色后圖像識別檢測留皮度更加客觀、精確，但染色方法對圖像分析過程中像素顏色判別的準確性有較大影響，染色操作過程中容易導致誤差產生。因此，對未處理的大米直接進行圖像識別判別大米加工精度的研究不斷深入。

Liu等[14]早在1998年就報道了采用數(shù)字圖像分析法快速測定大米加工精度，通過圖像分析法測定大米表面脂肪面積百分比，模擬函數(shù)曲線預測表面脂肪含量。但大米中成分含量因品種而異，需要針對不同的大米重新建立相應的數(shù)據庫。

大米表面的留皮度隨碾磨程度變化，進而表現(xiàn)出表面顏色的變化。萬鵬等[15]提出了基于顏色特征和BP神經網絡判別大米加工精度的方法，圖像處理技術對大米籽粒表面的顏色進行分析提取顏色特征值。圖像分析的主要步驟為：獲取米粒的RGB圖像→圖像迭代分割→二值圖像小區(qū)域消除→圖像背景分割→提取米粒顏色特征值→顏色特征值空間轉換→顏色特征值分析計算→大米加工精度判定。在提取特征值時將提取區(qū)域按面積用不同半徑的同心圓平均分成5份，提取各子區(qū)域的R、G、B顏色值，為方便進一步分析，根據R、G、B顏色值計算出一個H值作為大米籽粒的顏色特征值；輸入大米籽粒顏色特征值H值，構建BP神經網絡判定大米加工精度。結果顯示，對4種不同加工精度大米樣品檢測的平均準確率為92.17%。

張浩等[16]利用圖像分析技術測定大米留皮率，并開發(fā)了一套檢測系統(tǒng)。用CCD照相機獲取大米圖像后，在RGB色彩模式下進行圖像分析，發(fā)現(xiàn)取圖像像素的R-B值為特征值能較好地區(qū)分胚乳和糠皮區(qū)域，而不是直接用R、G、B作為分割圖像的判別標準。圖像中當由大米皮層邊緣的像素過渡到胚乳部分的像素時，R-B特征值出現(xiàn)突變，將圖像轉化為灰度圖像后，皮層邊緣的位置能獲取明顯的邊緣信息，以便進行圖像分割。團隊進一步研究了圖像采集的最佳條件，對大米圖像質量影響最大的是圖像采集過程中的光源、背景、分辨率、圖像增強以及儲存格式等因素[17]。

在實際應用中，已有色選機可以作為大米留皮度的檢測設備，根據設定程序自動判定大米的加工精度，同時能控制大米流向，使加工精度高的大米進入下一工段，加工精度低的大米繼續(xù)下一道碾米工序[18]。

圖像識別外觀表征法具有客觀、精確、快速等優(yōu)點，對于大米加工精度在線檢測上的運用前景更廣，是未來在線檢測技術發(fā)展的重點方向。

3 展望

國家正引導大米加工企業(yè)推進適度加工，以推動人民健康飲食結構的調整，以及節(jié)糧減損工作的開展。適用于生產流通中大米加工精度在線檢測的方法亟待開發(fā)。使用質量表征法測定糙出白率來衡量大米加工精度客觀、便捷，但不同種類大米間的差異較大。近紅外、紫外可見光譜法等通過測定大米表面糠層成分間接判定大米加工精度的方法，準確性不夠，使用前建立數(shù)據庫模型較復雜。發(fā)展計算機圖像分析技術應用于米粒外觀識別分析，是形成快速、準確、客觀的大米加工精度在線檢測方法的可行途徑。