大米加工精度在线检测技术的研究进展

李心悦，黄文雄，周 娜，杨会宾，王 彪，牛家铎，邓华平，罗小虎

(1.国粮武汉科学研究设计院有限公司，湖北 武汉 430079；2.衢州市库米赛诺粮食机械制造有限公司，浙江 衢州 324000；3.江南大学，江苏 无锡 214122)

联合国粮农组织发布的《2019年粮食及农业状况》报告[1]中指出，全球在收获后到零售前的供应链环节损失的粮食约占总产量的14%。据联合国粮农组织估计，中国每年在收割、运输、储备、加工过程中粮食损失浪费超过6%。我国为保障粮食安全，在增加粮食产量的同时，一直提倡节粮减损。中共中央办公厅、国务院办公厅于2021-10-31，印发了《粮食节约行动方案》，明确通过完善适度加工标准，合理确定加工精度等指标，提高粮油加工转化率，从而推进粮食加工环节节粮减损。针对在大米加工过程中普遍存在过度加工的问题，2019-05-01实施的最新版《大米》国家标准(GB/T 1354—2018)，对大米的加工精度设置了上限，以引导大米适度加工，推动节粮减损。因此亟需开发科学、快速、准确的大米加工精度检测方法，应用于大米加工环节的在线检测，从而有效控制碾米程度，防止过碾，降低能耗，降低碎米率，提高出米率，助力于节粮减损。

本研究将介绍目前报道过的可应用于大米加工精度在线检测的方法，综述大米加工精度在线检测技术的研究进展，为大米加工精度的测定方法研究提供参考。

1 加工精度的定义

大米加工精度是指糙米皮层被碾去的程度，即碾磨后的大米表面留皮度。《大米》国家标准(GB/T 1354—2018)中，加工后米胚残留以及米粒表面和背沟残留皮层的程度，分为精碾和适碾两个等级。具体要求为“精碾：背沟基本无皮、或有皮不成线，米胚和粒面皮层去净的占80%～90%；或留皮度在2.0%以下。适碾：背沟有皮，粒面皮层残留不超过l/5的占75%～85%，其中粳米、优质粳米中有胚的米粒在20%以下，或留皮度为2.0%～7.0%”。大米的加工精度决定了大米外观质量和食味品质，加工精度越高，米粒表面残留糠皮量越少，胚乳表面越光洁，外观品质、适口性也就越好。

2 大米加工精度的检测方法

根据大米加工精度的定义，大米加工精度实际上就是表征大米糠层去除或保留程度。在大米加工生产过程中，大米加工精度通常是通过技术人员凭主观经验判断，或通过国标法染色后与标准米样品进行对比判定，操作复杂，结果精准性差，受检测人员影响偏差较大。要实现大米加工精度的在线检测，需要应用到仪器分析技术，如近红外光谱、紫外可见光谱以及图像分析技术等。

大米加工精度的检测方法可按原理归为三类，分别是质量表征法、糠层成分表征法和外观表征法[2]。质量表征法即通过糙米碾磨后糠层被去除的质量比，也就是“糙出白率”来表征加工精度。糠层成分表征法即通过测定大米表面糠层成分，间接判定大米的加工精度。外观表征法即直接或染色后观察大米表面颜色差异，对照标准米样品判定加工精度。

2.1 质量表征法

糙米的质量随着碾米加工不断减少，因此，可以用糙米在碾磨过程中损失的质量百分比，或糙米碾磨后的质量占碾磨前的质量百分比来衡量加工精度[3]，也称糙出白率。糙米中皮层占总质量的6%～8%，胚占2%～3%，胚乳占89%～94%[4]。糙米经碾磨去除6%的外糠层，再经过抛光去除2%的内糠层即得到精白米[5]。

大米糠层占糙米的质量百分比与大米品种和栽培条件有关。当两种不同大米被碾去相同质量，其糠层去除的程度不一定相同，即加工精度不一定相同。米粒背沟中的糠层较难去除，当碾去相同质量后，背沟较深的米粒比背沟浅的米粒将保留更多的糠层成分，加工精度更低。质量表征法无法准确地表示大米的加工精度，但该方法通过称量即能实现客观、快速地定量测定，在加工同一种大米时具有可参考性，能够用于生产过程中加工精度的粗略估计。

2.2 紫外-可见光谱法

不同物质对于可见光和不可见光会选择一定波长的光线进行吸收，每种物质都有其特有固定的吸收光谱曲线。选择哪些波长的光线吸收，由物质分子、原子和不同的分子空间结构决定，这也表现出不同物质会显示出其特征的颜色。根据物质的颜色特性可对它进行有效的分析和判别，根据吸收光谱上某些特征波长处吸光度的大小，判别或测定该物质的含量。

稻米中不同部位的维生素含量不同，绝大部分在米粒的胚和糊粉层中。在碾米过程中，当越深入胚乳组织内部，维生素含量就越少，加工精度越高,损失越大。熊善柏等[6]研究了碾白精度对大米维生素含量的影响，发现在大米碾磨过程中，维生素的损失相当严重，随着加工精度提高，VB1、VB2和VB5的损失以幂形式增加。周玉东和姚妙爱[7]发现加工等级对大米中VB1和VB5含量的影响较VB2大。利用紫外分光光度法测定维生素含量已十分成熟。利用大米加工精度与其维生素含量数据建立有效的数学模型，就能通过测定大米维生素含量来预测出大米的加工精度。

夏建春[8]认为只要知道大米表面营养成分的含量，就可以推断出大米的加工精度。光谱分析技术在对稻米营养成分含量作定量检测方面已经比较成熟，应用也非常方便，因此采用紫外-可见分光光度计对大米表面营养成分的含量进行测定，进而对大米加工程度做出判定，发现光谱数据与碾米程度相关性非常高，认为光谱检测技术可以应用于稻米加工中大米加工精度的在线检测。

2.3 近红外光谱法

大米中的脂类物质主要分布在米粒的糠层和胚部，胚乳中的脂类物质含量极少，从某种程度上讲，如果米粒表面留皮及留胚越多，其脂类物质也将越多。因此大米中脂肪含量的高低可被用作大米营养品质的分析指标，同时也能够直接用来反映大米的加工精度，应用于等级判定。Chen和Bergman[9]测定了4种大米在不同碾削时间下的脂肪含量，认为如果已知大米表面脂肪含量，那么大米的加工精度也能确定。

近红外光谱技术能够快速地对大米表面脂肪含量进行定量分析，可将其应用于大米表面脂肪含量的测定。根据脂肪含量，进行大米加工精度等级的判定，实现大米加工精度的在线检测。多项研究探讨了利用近红外光谱测定大米表面脂肪含量进而判断大米加工精度的可能性。

陈国铭[10]研究了采用近红外光谱对大米的加工精度等级进行判定。首先利用近红外光谱漫反射技术测定大米表面脂肪含量，建立大米脂肪含量与加工精度的数学模型，对于未知大米样品，利用近红外光谱测量其表面脂肪含量就能通过数学模型预测出大米的加工精度。

陈坤杰等[11]研究利用近红外光谱对稻米糙出白率进行测定。使用近红外光谱分析技术结合偏最小二乘法建立稻米糙出白率的定标模型，并探究了糙出白率与大米加工精度等级之间的关系，采用马氏距离判别法建立基于糙出白率的大米加工精度的判别模型，预测精度可达98.33%，能实现对大米加工精度等级的快速测定。

由于近红外光在光纤中具有良好的传输特性，通过光纤即可迅速将数据传递给远离采样现场的仪器，很适合于生产过程中的样品分析，实现在线分析和远程监控。利用近红外分析技术对大米中脂肪含量进行快速准确的测定，对于大米加工精度的在线检测有十分重要的指导意义[12]。同时近红外光谱分析操作简单，效率高，测定过程中不损伤样品，也不使用任何化学试剂，不会对环境造成污染，属于“绿色分析”技术。但由于大米成分含量和分布因品种而异，因此检测前需要耗费时间对各品种大米建立相应的标准数据库。

2.4 图像分析技术

随着计算机技术的快速发展，计算机视觉被引入大米加工精度的检测，无论是经过染色预处理的大米还是未处理的大米，通过图像分析均能实现大米表面留皮度的检测。检测的步骤主要为，首先用摄像头获取大米籽粒图像；对大米图像进行预处理，消除图像中存在的无关或者会影响最终识别效果的信息；然后提取图像中的特征值，如颜色特征和纹理特征，再根据特征值判别大米的加工精度。

现行的国标《粮油检验大米加工精度检验》(GB/T 5502—2018)中包括图像处理技术的仪器辅助检测法和仪器检测法。使用伊红Y-亚甲基蓝染色剂将米样染色，米粒皮层、胚与胚乳分别呈现蓝绿色和紫红色，通过对比观察法、仪器辅助检测法、仪器检测法对照标准米样品判断大米加工精度。其中用到的检测设备是由北京东孚久恒仪器公司研发的基于图像分析技术的大米加工精度检测仪[13]。通过该仪器的测定能得出米粒样品具体的留皮度，且具有良好的重复性、再现性。

与人工感官评定法相比，将米样染色后图像识别检测留皮度更加客观、精确，但染色方法对图像分析过程中像素颜色判别的准确性有较大影响，染色操作过程中容易导致误差产生。因此，对未处理的大米直接进行图像识别判别大米加工精度的研究不断深入。

Liu等[14]早在1998年就报道了采用数字图像分析法快速测定大米加工精度，通过图像分析法测定大米表面脂肪面积百分比，模拟函数曲线预测表面脂肪含量。但大米中成分含量因品种而异，需要针对不同的大米重新建立相应的数据库。

大米表面的留皮度随碾磨程度变化，进而表现出表面颜色的变化。万鹏等[15]提出了基于颜色特征和BP神经网络判别大米加工精度的方法，图像处理技术对大米籽粒表面的颜色进行分析提取颜色特征值。图像分析的主要步骤为：获取米粒的RGB图像→图像迭代分割→二值图像小区域消除→图像背景分割→提取米粒颜色特征值→颜色特征值空间转换→颜色特征值分析计算→大米加工精度判定。在提取特征值时将提取区域按面积用不同半径的同心圆平均分成5份，提取各子区域的R、G、B颜色值，为方便进一步分析，根据R、G、B颜色值计算出一个H值作为大米籽粒的颜色特征值；输入大米籽粒颜色特征值H值，构建BP神经网络判定大米加工精度。结果显示，对4种不同加工精度大米样品检测的平均准确率为92.17%。

张浩等[16]利用图像分析技术测定大米留皮率，并开发了一套检测系统。用CCD照相机获取大米图像后，在RGB色彩模式下进行图像分析，发现取图像像素的R-B值为特征值能较好地区分胚乳和糠皮区域，而不是直接用R、G、B作为分割图像的判别标准。图像中当由大米皮层边缘的像素过渡到胚乳部分的像素时，R-B特征值出现突变，将图像转化为灰度图像后，皮层边缘的位置能获取明显的边缘信息，以便进行图像分割。团队进一步研究了图像采集的最佳条件，对大米图像质量影响最大的是图像采集过程中的光源、背景、分辨率、图像增强以及储存格式等因素[17]。

在实际应用中，已有色选机可以作为大米留皮度的检测设备，根据设定程序自动判定大米的加工精度，同时能控制大米流向，使加工精度高的大米进入下一工段，加工精度低的大米继续下一道碾米工序[18]。

图像识别外观表征法具有客观、精确、快速等优点，对于大米加工精度在线检测上的运用前景更广，是未来在线检测技术发展的重点方向。

3 展望

国家正引导大米加工企业推进适度加工，以推动人民健康饮食结构的调整，以及节粮减损工作的开展。适用于生产流通中大米加工精度在线检测的方法亟待开发。使用质量表征法测定糙出白率来衡量大米加工精度客观、便捷，但不同种类大米间的差异较大。近红外、紫外可见光谱法等通过测定大米表面糠层成分间接判定大米加工精度的方法，准确性不够，使用前建立数据库模型较复杂。发展计算机图像分析技术应用于米粒外观识别分析，是形成快速、准确、客观的大米加工精度在线检测方法的可行途径。