发布时间:2026-11-11
前言：黄曲霉毒素是玉米及其制品中最危险的污染物之一，肉眼却完全无法判断感染与否。杭州高谱成像技术有限公司分别采用400-1000nm可见近红外与900-1700nm短波红外高光谱相机，对客户提供的阴性/强阳性玉米样本进行检测，通过光谱曲线对比与深度学习建模分析，验证高光谱技术用于玉米黄曲霉毒素无损筛查的可行性。
结果显示：900-1700nm波段模型准确率高达98.96%，对盲样同样表现优异。
一、研究背景
黄曲霉毒素是曲霉属真菌（主要是黄曲霉和寄生曲霉）产生的次级代谢产物，被世界卫生组织列为一类致癌物。玉米在田间生长、收获、储藏、运输的任何环节，都可能因温湿度不当而感染黄曲霉。一旦感染，毒素会渗透至籽粒内部，常规的清洗、筛分难以去除。
传统黄曲霉毒素检测主要依赖酶联免疫吸附法（ELISA） 和高效液相色谱法（HPLC） 。这两种方法准确度高，但缺点同样明显：
▶ 破坏样品：需要粉碎、提取、衍生化等前处理；
▶ 耗时：单次检测从取样到出结果往往需要数小时甚至数天；
▶ 成本高：试剂、耗材、设备投入大，难以支撑大批量逐粒筛查。
对于粮食收储企业和加工厂而言，理想的状态是：在不破坏玉米籽粒的前提下，快速判断哪些籽粒已经感染黄曲霉，从而实现“逐粒筛查、精准剔除”。
本研究关注的核心问题是：玉米籽粒在感染黄曲霉后，其表面反射光谱是否会发生可测量的变化？这种变化能否支撑起一套快速、无损的自动识别模型？
研究没有依赖肉眼寻找霉变特征，而是从两个关键光谱区间寻找答案——400-1000nm可见近红外波段，以及900-1700nm短波红外波段，分别验证两个波段对黄曲霉毒素感染的识别能力。
二、实验设计与高光谱数据采集
| HY-1230-01 | |
| 光谱范围 | 400-1000 |
| 光谱分辨率 | ≤2.8nm |
| 光谱波段数 | ＞300 |
| F数 | F/2.6 |
| 空间像素数 | >480 |
| 探测器类型 | COMS |
| 探测器接口 | USB3.0 |
| 有效位深 | 12bit |
| HY-1310-05 | |
| 光谱范围 | 900-1700 |
| 光谱分辨率 | ≤6nm |
| 光谱波段数 | 512 |
| F数 | F/2 |
| 空间像素数 | 640 |
| 探测器类型 | InGaAs(TE Cooled) |
| 探测器接口 | GigE |
| 有效位深 | 14bit |
两套系统均采用线性推扫成像方案。采集在暗室环境中进行，照明光源采用卤素光源，样品放置在水平位移台上，相机固定于上方，平移台匀速运动完成逐行扫描。
采集完成后，研究采用专用的光谱深度学习算法模型，按照以下流程展开分析和建模：
具体而言：对高光谱图像进行预处理和像素级数据标注，智能划分训练集和测试集；将训练数据导入模型，进行多轮次训练拟合，并保存最优模型；随后通过准确率曲线、损失曲线等指标评估模型整体效果；最后使用混合样本进行预测，智能统计预测结果，验证模型的泛化能力。
三、关键结果
然而，这种差异是局部的、微弱的，光谱曲线的整体趋势高度相似。这意味着：仅依靠400-1000nm波段的光谱信息，模型很难稳定捕捉到黄曲霉毒素感染带来的系统性变化。
基于400-1000nm数据训练的深度学习模型，训练集准确率为77.16%，测试集准确率为76.47%。模型在训练数据中基本能够区分阴性与强阳性样本，但在未见过的验证数据中，分类效果明显下降。
从应用识别效果图可以看到：
阴性样本的预测图中，红色（阴性）与绿色（强阳）混杂，误判较多；强阳性样本的预测图中，同样存在大量绿色区域被误判为红色。
结论：400-1000nm波段虽然能够细微捕捉玉米的黄曲霉毒素差异，但不足以达到稳定可靠的识别效果。
切换到900-1700nm短波红外波段后，情况发生了明显变化。对比两种玉米的光谱曲线，主要在1400-1600nm处出现趋势差异。这一区间对应的是水分子和有机大分子的特征吸收带——黄曲霉毒素感染会改变玉米籽粒内部的水分状态和化学成分，从而在短波红外波段留下可测量的光谱变化。
与400-1000nm波段“整体相似、局部差异”不同，900-1700nm波段在关键区间的差异是系统性的、成段的，这为模型提供了更稳定、更具判别力的特征。
训练集准确率：99.23%
测试集准确率：98.96%
ROC AUC：0.9997
从应用识别效果图可以看到：
阴性样本的训练图中，几乎全部为红色（阴性），绿色误判极少；强阳性样本的训练图中，几乎全部为绿色（强阳），红色误判极少；模型在训练样本和盲样验证样本中，都能有效识别玉米黄曲霉毒素的阴性和强阳性。
结论：900-1700nm短波红外波段能够可靠区分黄曲霉毒素阴性样本与强阳性样本，模型准确率高、泛化能力强，具备实际应用能力。
400-1000nm（可见近红外） 主要反映玉米籽粒的表面颜色、色素分布和表层结构。黄曲霉感染初期，表面颜色变化可能并不明显，或者仅在局部出现，光谱信号微弱且不稳定。因此，模型容易受到光照、样品摆放角度等因素干扰。
900-1700nm（短波红外） 则能够穿透籽粒表层，反映内部水分、淀粉、蛋白质、油脂等有机大分子的振动信息。黄曲霉毒素的生成伴随着真菌代谢活动，会改变籽粒内部的水分状态和化学成分，这些变化在短波红外波段形成可测量的特征吸收差异。因此，短波红外光谱携带的判别信息更丰富、更稳定。
这也解释了为什么900-1700nm波段的光谱曲线在1400-1600nm处出现明显趋势差异——这恰恰是真菌代谢影响水分和有机成分的光谱证据。
五、应用价值与结论边界
▶ 无损筛查，保留籽粒完整性。 该方案从玉米籽粒表面采集反射光谱，不需要粉碎、提取或任何化学前处理，能够保留玉米的商品完整性，非常适合收购、入库、加工前的逐粒初筛。
▶ 为产线在线分选提供技术依据。 研究验证了900-1700nm波段在黄曲霉毒素识别上的高准确率，为开发基于短波红外高光谱的玉米在线分选设备提供了明确的波段选择依据。下一步可进一步开展批次产线测试，优化算法，开发更具针对性的产线模型。
▶ 国产高光谱装备的实用性验证。 本次测试采用杭州高谱成像技术有限公司自研的高光谱相机，模型在盲样验证中表现优异，验证了国产光谱视觉装备在粮食安全检测场景下的技术实力。
这项测试从玉米籽粒表面分别采集400-1000nm和900-1700nm高光谱数据，发现短波红外波段在1400-1600nm处呈现显著的光谱趋势差异，配合深度学习建模实现98.96%的识别准确率，对盲样同样表现优异。测试结果为玉米黄曲霉毒素的无损、快速筛查提供了可行的技术路线与明确的波段选择依据，后续需通过多批次、多品种的产线级测试进一步验证与优化。
获取更多实验报告或了解高光谱产品
可电话联系13588435456（微信同号）
版权所有@杭州高谱成像技术有限公司 浙ICP备19040412号-2 网站地图
Design By: Yushangweb
