基于图像处理的玉米破损比例检测方法及其品质变化同步分析

　　

摘要：

【目的】针对传统玉米破损比例检测方法（如手动挑选称重法、电动筛选器法等）耗时费力且无法满足储运过程中品质实时评估的需求，本研究提出一种基于图像处理与深度学习的玉米破损比例快速检测方法，并同步分析破损比例对玉米长距离运输储藏后品质变化的影响，旨在为玉米质量智能监测、风险预警及储运条件优化提供技术支撑与理论依据。【方法】以500张智能手机拍摄的原始玉米粒图像为数据源，利用图像处理技术（图像校正、图像预处理、图像分割以及面积提取），通过3种深度学习模型（Resnet50、Densenet121和ViT）的训练与评估，建立玉米破损比例快速预测模型；并通过模拟玉米“北粮南运”水、陆运输路线的温湿度条件，系统探究不同破损比例玉米（0—12%）储运后的品质变化规律。【结果】ViT模型在玉米破损籽粒识别中表现最优，准确率和精确率均达99%，预测值和真实值的平均绝对误差仅为0.45%，决定系数R²高达0.978。随着破损比例从0增至12%，水路和陆路玉米的理化特性指标均显著上升（P<0.05）：水分含量分别增加1.384%和0.461%，脂肪酸值分别增加7.92和4.49 mg KOH/100 g，电导率分别升高6.72和4.66 μs·cm^-1，丙二醛（malondialdehyde，MDA）含量分别上升38.73%和19.22%；在营养品质方面，玉米蛋白质含量降低，淀粉含量呈先升后降再升的波动趋势，直链淀粉（amylose，AM）含量与支链淀粉（amylopectin，AP）含量比例失衡，糊化特性也发生显著改变。【结论】本研究为玉米破损比例的快速检测提供了可靠的技术手段，也为优化玉米储运条件、减缓品质劣变提供了科学依据。建议在“北粮南运”等长距离高湿度储运场景中将破损比例4%作为管控阈值，对超阈值批次实施优先分拣或保质处理，以减少粮食产后损失、保障我国粮食安全。