《Journal of Stored Products Research》：Smart sensor and artificial intelligence technologies for postharvest loss reduction and food safety in nutri-cereals
编辑推荐：
智能传感器与机器学习算法在减少小米等小粒作物产后损失中的应用研究，涵盖传感器技术、污染检测、预测模型及低成本手持设备开发，以提升食品安全与供应链效率。
Neelesh Yadav|Aman Sharma|Divyesh Suvedi|Sonali Khanal|Shivam Sharma|Rachna Verma|Dinesh Kumar|Lukas Peter|Avinash Sharma|Gholamreza Abdi
印度喜马偕尔邦索兰市Shoolini生物技术与管理科学大学生物工程与食品技术学院，邮编173229
摘要
小米作为一种被归类为“气候智能型营养谷物”的作物，其收获后的损失率较高，而全球小米产量却在逐渐增加。本文综述了多种智能传感器技术，包括物理传感器、化学传感器、光学传感器以及生物传感器，这些传感器与机器学习算法和深度学习算法相结合，可用于自动评估、识别污染情况并进行预测。文章还探讨了针对小米传感器校准操作问题的解决方案，以及现有实验室模型的农场应用局限性，并提出了一个逐步发展的低成本、便携式、适合农民使用的传感器方案。
引言
谷物属于禾本科植物，因其可食用的淀粉颗粒而被广泛种植。主要谷物包括水稻、小麦和玉米；次要或小粒谷物包括高粱、燕麦、黑麦和小米（Y. Wang等人，2023年）。小米因其丰富的营养成分（碳水化合物、蛋白质、维生素、矿物质、膳食纤维、多酚和抗氧化剂）而被誉为“营养谷物”（Muskan等人，2025年）。这类作物适应性强，能够应对多种环境条件。如今，小米被视为具有气候适应性的作物，有助于解决粮食安全、公共卫生和环境可持续性问题（Krishnan，2024年）。随着人口增长、土地短缺和气候变化的挑战，小米在全球市场中的价值不断提升，2024年市场规模为115.3亿美元，预计到2029年将达到144.3亿美元，年复合增长率为4.6%。印度是小米的主要生产国，小米产量从2015-2016年的1452万吨增加到2020-2021年的1796万吨（Tanwar等人，2025年）。图1展示了全球主要的小米生产国。尽管多个国家的小米产量可观，但由于储存和加工系统不完善，收获后的损失仍然很高。这些因素降低了健康食品的供应，增加了粮食不安全，并给小米农民带来了巨大经济损失（Saxena等人，2018年）。高效的小米产后管理对于减少损失、保持营养价值以及改善农民经济状况至关重要。改进干燥、储存、病虫害管理和附加值技术可以提高小米供应链的产后管理效率。收获后的损失表现为食品质量和数量的下降，这些损失发生在收获、加工、储存、运输和分配等各个环节，直接影响粮食安全（A. Kumar等人，2018年）。人工智能（AI）是解决农业产后问题的新兴技术。低效的加工、储存和分配方式会导致大量食品损失，影响小米生产者的经济效益。基于AI的解决方案，如缺陷检测、机器人分选和智能储存系统，已被证明能有效提升产后管理效率（Kuppusamy等人，2024年）。AI驱动的传感和成像技术有助于准确检测物理缺陷、品质下降和虫害侵扰，从而及时采取干预措施减少损失（Zhou等人，2023年）。早期研究记录了多种作物的产后损失情况，并指出了技术解决方案和实施挑战（Nath等人，2024a；Fadiji等人，2023a, 2023b）。Joshi等人（2025年）和Sharma等人（2024年）强调了小米加工和附加值提升在应对气候变化中的作用。本文强调了传感器技术和AI在小米产后管理中的革命性作用，总结了最新研究结果，指出了当前存在的不足，并为将这些技术整合到可持续小米价值链中提供了方向。同时，本文也突出了传感器和AI在识别产后变质、减少损失和保障粮食安全方面的应用价值。综述方法
本综述遵循PRISMA 2020指南进行，使用Scopus数据库、Web of Science（核心合集）、PubMed、IEEE Xplore和Google Scholar等资源，筛选了来自Elsevier、IEEE、MDPI、Springer、Wiley和Taylor & Francis等顶级出版机构的同行评审文献。文献时间范围为2005年1月至2025年3月，但重点关注2010年之后的文章。
小米收获后的食品安全风险
小米的产后损失问题在发展中国家（如印度）尤为严重，由于产后管理不善、储存条件差和机械化程度低，大部分产量未能转化为市场价值。实证研究表明，包括小米在内的谷物收获后损失率在10%至30%之间，且损失具有显著的量化和质量问题。主要谷物与小米在生物学、成分和储存方面的差异
小米属于小粒暖季谷物，包括珍珠粟（Pennisetum glaucum）、指粒粟（Eleusine coracana）、粟米（Setaria italica）和其它一些较少见的品种。尽管小米在分类学上属于谷物范畴，但在籽粒特性、生化性质和营养价值方面与其他主要谷物（如小麦、水稻和燕麦）存在显著差异。利用传感器技术和AI检测污染物农业领域长期存在产后损失问题，造成严重的经济和粮食安全问题。如今，传感器技术和AI的应用为解决这些问题提供了有效方案。AI在产后管理中的应用，如环境监测、预测性机器学习和机器视觉技术，可有效应对这些问题。
AI在食品安全和损失预防中的作用随着计算能力的提升和云计算的普及，AI正在快速发展，越来越多领域受到其影响。农业领域已受益于AI技术，应用范围从杂草控制到最佳收获时机预测，再到土壤和作物健康监测以及产量预测。过去十年中，机器学习等技术取得了显著进展。
食品安全风险分析与国际标准合规性小米的产后损失对粮食安全构成重大威胁，尤其是在低收入和中等收入国家。联合国粮食及农业组织（FAO）估计，每年有30-40%的小米产量因储存不当、虫害侵扰和微生物污染而损失。这些损失很大程度上源于温度、湿度等环境因素，这些因素为霉菌生长提供了有利条件。
基于AI和传感器的小米产后管理案例研究
多项实验研究表明，传感器和AI技术可有效减少小米的产后损失。然而，关于现有损失限度、样本数量和损失缓解措施的详细数据在学术文献中较为匮乏。在中国山西省晋中市太谷区的一项研究中，使用差分电容传感器和机器学习算法对粟米品种进行了分析，涉及48个样本和三种不同水分梯度。
未来展望
未来，先进的传感技术将在小米产后处理中发挥重要作用，尤其是在智能传感器、机器人和增强现实技术中的应用。未来将重点发展农民可负担的模块化系统，例如ICRISAT开发的便携式近红外光谱仪，可在一天内处理150个或更多样本，实现高效检测。结论
本文表明，智能传感器解决方案与人工智能的结合具有巨大潜力，可有效减少小米的产后损失并提高其安全性。小米具有小粒、高油含量和对储存环境敏感的特点，传统监测方法难以准确把握湿度、温度等因素之间的非线性关系。作者贡献声明
Neelesh Yadav：撰写与编辑、初稿撰写、数据整理、概念构思。Aman Sharma：可视化处理、数据分析。Divyesh Suvedi：撰写与编辑、可视化处理、数据分析。Sonali Khanal：撰写与编辑、数据分析。Shivam Sharma：撰写与编辑、数据分析。Rachna Verma：撰写与编辑。Dinesh Kumar：数据验证、监督、数据分析、概念构思。Lukas Peter：可视化处理。资金支持
本文未获得任何资助。
利益冲突声明
作者声明不存在利益冲突。
致谢
本综述属于项目No.CZ.02.01.01/00/22_008/000463的一部分，该项目由欧盟和捷克共和国政府资助，旨在推动可持续发展相关材料与技术的研发。
