《Journal of Stored Products Research》：Aflatoxin detection and quality assessment in dried red chilli (
Capsicum annum L.): A multifaceted approach using physical, microstructural, and machine learning techniques
M. Balasubramaniyan | J. Shavani Durga | V. Chelladurai | T. Senthilkumar | T. Krishnakumar | G. Jeevarathinam
印度泰米尔纳德邦萨蒂亚曼加拉姆班纳里阿曼理工学院农业工程系，邮编638401
摘要
印度在全球干红辣椒产量中占比近43%；然而，由于采后处理不当和储存条件差，经常导致霉菌污染和营养成分降解。干辣椒极易受到黄曲霉（Aspergillus flavus）和寄生曲霉（Aspergillus parasiticus）的感染，这两种霉菌会产生黄曲霉素，对食品安全构成严重威胁。本研究调查了健康辣椒和受感染辣椒的物理化学性质及微观结构变化，并探讨了一种基于图像的客观分级方法以减少污染。对整颗辣椒样本进行了形状、大小、质量、体积密度和表面特征等物理属性的分析；对于粉末状样本，则利用傅里叶变换红外（FTIR）光谱技术评估了水分活度、颜色、灰分含量、微生物负荷及成分变化。扫描电子显微镜（FESEM）和能量分散X射线（EDAX）分析显示，健康辣椒与受感染辣椒在微观结构和元素组成上存在显著差异，后者具有更高的水分活度和更多的微生物数量，表明有霉菌生长。受感染辣椒和市售辣椒的FTIR光谱在1548 cm?1和1711 cm?1处显示出特征性峰值，证实了与黄曲霉素相关的官能团（C=O伸缩振动和酰胺II振动）。为提高采前分选效率，开发了一种深度学习模型（YOLOv8m），根据颜色和形态对辣椒进行分类和分级，准确率达到92%。这种集成方法提供了一种快速、无损的检测和去除受污染辣椒的方式，从而降低了黄曲霉素的风险，提高了干辣椒的安全性和储存稳定性。
引言
辣椒是印度重要的经济作物，其成熟的干燥果实被用作香料，而未成熟的果实则作为蔬菜食用。虽然辣椒在全球范围内都有种植，但大部分产量集中在亚洲国家。在印度最常用和最普遍的辣椒是辣椒属一年生种（Capsicum annum L.），属于“茄科”植物。辣椒起源于南美洲，墨西哥和中美洲是该物种的主要变异中心。根据厄瓜多尔南部的考古发现，辣椒是最早在中美洲和南美洲被驯化的作物之一，栽培历史可追溯至约6000年前（Anaya-Esparza等人，2021年）。印度、孟加拉国、巴基斯坦、泰国、越南、罗马尼亚、中国、尼日利亚和墨西哥是主要的辣椒生产国。
印度是全球领先的辣椒生产国、出口国和消费国，占全球总产量的50-60%（Jalgaonkar等人，2023年）。2022年，印度成为全球最大的辣椒生产国，产量达到1,874,000吨，占全球总量的约38.2%（联合国粮食及农业组织，2022年）。泰米尔纳德邦在2022-2023年度种植了49,000公顷辣椒，产量为19.92公吨，2024年增加到26,470公吨（泰米尔纳德农业大学，2023年）。国际辣椒市场深受印度辣椒的影响。印度辣椒以其两种重要的商业品质而闻名：颜色和辣度。辣椒出口占该国香料出口总量的42%（印度农业与农村发展政策研究中心香料委员会，2023年）。从营养成分来看，100克干辣椒含有约160卡路里、36克碳水化合物、18克蛋白质、16克脂质、480毫克钙、3.1毫克磷、31毫克铁、2.5毫克烟酸以及640国际单位的维生素A和40毫克维生素C（Jagtap等人，2012年）。这些辣椒既可用作香料，也有药用价值，能减少胃酸分泌和肠道黏膜刺激（Faisal, A. F. & Mustafa, Y. F, 2025）。辣椒具有抗炎、抗肥胖和镇痛作用，可新鲜食用、干燥后使用或制成粉末，用于烹饪菜肴和调味品，也可作为食品、化妆品和肉制品中的天然着色剂。辣椒中的辣椒素（约7000 ppm）被用于止痛产品和胡椒喷雾中。辣椒提取物可作为天然防腐剂，替代肉类中的亚硝酸盐，并在传统医学中用于促进消化、血液循环和改善心理健康。目前，干辣椒从农民手中收购后加工成辣椒粉和其他增值产品。
辣椒容易受到霉菌损害，尤其是黄曲霉和寄生曲霉的侵害，这两种霉菌会产生黄曲霉素这种霉菌毒素。近年来，关于香料中黄曲霉素含量的研究较少（Li等人，2024年；Akintola等人，2024年）。黄曲霉素具有多种有害作用，包括致突变性、致畸性和致癌性，对人类和动物健康构成严重威胁（Iqbal，2021年）。人类主要通过食用受污染的食物暴露于这种毒素。尽管有研究将长期接触黄曲霉素与肝癌联系起来，但许多研究依赖于估算的摄入数据而非直接的生物标志物（Autrup和Autrup，2024年）。即使微量水平（20-120 μg kg?1）也可能对人类健康产生不良影响（世界卫生组织，2018年）。因此，本研究采用了衰减全反射傅里叶变换红外（ATR-FTIR）光谱技术进行分析，这种技术作为传统透射方法的替代方案在食品检测中得到广泛应用。ATR是一种常用的FTIR技术，能够快速检测黄曲霉素，无需样品预处理。辣椒受到曲霉菌污染主要是由于采前不良农业管理（如浇水不规律或干旱）以及采后处理不当（如干燥不当、运输不足和储存条件差）造成的。高湿度和不良储存条件会进一步加剧辣椒中的黄曲霉素污染。因此，在储存前去除受感染的辣椒对于限制黄曲霉素的产生和霉菌生长至关重要。
由于品种、收获时的成熟度以及采后处理方式的差异，干辣椒存在显著异质性。这种差异体现在多个质量属性上，包括大小和形状的不均匀性、颜色差异、表面缺陷、物理损伤以及可见的霉菌或细菌污染。传统的人工分选方法主要依赖人工视觉评估，效率低下、劳动强度大且主观性强，尤其是在高通量处理条件下（Filho等人，2024年）。为解决这一问题，需要引入自动化分选设备，这种系统能够快速、客观地根据预定义的质量属性对辣椒进行分类和分离。通过同时评估多个视觉和结构指标，这些系统大大缩短了检测时间，提高了大批量分选的一致性和重复性。这种能力在大规模加工单位中尤为重要。
可以通过集成深度学习模型来实现辣椒的分选，该模型利用末端执行器系统完成分选任务。这种自动分选机的目标是在分选任务中复制人类视觉、认知和行动的基本功能，同时克服人工分选的局限性，实现快速、标准化和连续的输出，避免操作员疲劳、工作量波动和人为错误。这项技术在食品加工行业具有广泛应用潜力，特别是对于需要根据颜色、形状和质地等特征进行分选的辣椒等果蔬。然而，要实现精确高效的自动检测和分类，仅依靠简单的控制器和传感器是不够的（Abdul Aziz等人，2021年）。基于固定阈值的控制器和传感器可以有效地根据尺寸、重量或颜色强度进行分选，但辣椒本身具有高度异质性，无法仅凭预设规则可靠地识别。相比之下，深度学习模型能够直接从数据中学习这些复杂的视觉模式，从而实现一致的决策和可靠的自动分选。
基于深度学习的图像分析方法（尤其是卷积神经网络CNN在物体检测中的应用）的最新发展提高了算法检测水果的准确性（Barbole等人，2022年）。在本研究中，我们采用了YOLOv8（You Only Look Once第8版）模型进行辣椒分类。YOLOv8是一种先进的实时物体检测模型，能够有效自动化辣椒的分级，确保质量、安全性和可追溯性（Chen等人，2022年；Cruz-Domínguez等人，2021年）。所提出的分类框架设计用于与自动化分选设备结合使用，包括YOLOv8m软件。
本研究的主要目标是开发一个单阶段深度学习模型，用于识别和区分健康辣椒和受感染辣椒，并确定两者之间的形态和营养差异。
所选的RANGA红辣椒品种是一种国内流行的品种，以其高产量和较短的收获周期而闻名。这些辣椒样本从印度泰米尔纳德邦埃罗德区萨蒂亚曼加拉姆的一个当地农场采集，初始含水量为12%。随后，样本被装入塑料袋运输到印度泰米尔纳德邦萨蒂亚曼加拉姆的班纳里阿曼理工学院。为了进行对比研究，样本被手动分为两类：健康辣椒和受感染辣椒。
形态分析表明，健康辣椒和受感染辣椒的几何尺寸（包括长度、宽度和厚度）差异很小（表1）。两者在长度、宽度和直径方面的测量值相似，因此仅凭几何特征难以区分。健康辣椒的平均长度和宽度分别为35.05毫米和17.69毫米，而受感染辣椒的相应数值分别为34.97毫米和17.98毫米。
本研究通过物理、化学、微生物学和基于机器学习的方法相结合，探讨了健康辣椒和受感染辣椒样本之间的质量差异。尽管在物理尺寸上没有显著差异，这使得机械分离变得复杂，但健康辣椒具有更大的质量和体积密度；这些内在参数使得分选变得具有挑战性。通过外观分析和视觉检查发现...
M. Balasubramaniyan：撰写初稿、可视化处理、验证、软件开发、资源管理、方法设计、实验设计、数据分析、概念构建。
J. Shavani Durga：撰写初稿、可视化处理、验证、软件开发、资源管理、项目协调、方法设计、数据分析、概念构建。
V. Chelladurai：审稿与编辑、撰写初稿、可视化处理、验证、监督工作、软件开发、资源管理。
作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
