综述：提高常见豆类的罐装品质：一个结合育种、加工和人工智能的从农场到罐头的综合框架

《Legume Science》：Advancing Canning Quality in Common Beans: An Integrated Farm-to-Can Framework Combining Breeding, Processing, and Artificial Intelligence

　　**摘要**

普通豆类（Phaseolus vulgaris L.）是罐头工业的重要原材料。本文回顾了在评估罐头质量方面取得的最新进展，以及将人工智能（AI）整合到育种方法中的研究，旨在培育出具有更高产量和优良罐头质量特性的基因型。用于罐头的品种不仅需要具备高农艺性能，还必须始终符合严格的质量标准。传统的表型质量参数，如沥干后的种子重量、加工质量指数、感官特性和质地，对于预测罐头性能至关重要。然而，这些参数的评估不仅耗时费力，成本高昂，而且通常仅限于较晚的世系，这使得早期选育变得具有挑战性。人工智能、成像技术和数据分析的最新进展为在育种早期阶段评估罐头特性提供了新的机会，补充了传统的感官和实验室检测方法。这些创新使育种者能够优化选育流程，减少对外部设施的依赖，并加速优良品种的推出。本文强调了AI与非破坏性成像技术结合的潜力，通过提供高通量、经济高效且可扩展的工具来提升罐头质量评估的准确性。未来的研究方向包括协调评估标准，培育同时兼具营养价值和耐旱性的品种，以及在多种环境下进行基因型测试。将AI与传统育种策略相结合，为提高干豆改良项目的效率和可持续性提供了可行的途径，确保培育出的品种能够满足市场需求和消费者期望。

**1 引言**

普通豆类（Phaseolus vulgaris L.）是全球最重要的豆科植物之一，在人类营养中仅次于大豆，占有第二大比例。它们是蛋白质、淀粉、膳食纤维、维生素和植物化学物质的丰富来源，具有多种健康益处（Hesami和Yoosefzadeh-Najafabadi 2025；Lenora等人2025）。除了营养价值外，普通豆类还显著促进了环境的可持续性。作为固氮豆科植物，它们能够改善土壤肥力，减少对合成肥料的需求，并降低与作物生产相关的温室气体排放（Uebersax等人2023）。此外，它们较低的水和碳足迹使其成为符合可持续农业系统的选择（Lisciani等人2024）。除了作为干种子的传统消费方式外，预煮、冷冻、脱水，特别是罐装豆类等增值产品由于方便快捷的制备过程和较长的保质期，在全球市场上占据了重要份额（Ifeh等人2025；Wang等人2024）。生活方式的变化和城市化进程加剧了对即食和加工食品的需求。全球人均干豆消费量存在显著地区差异，南亚、东非和南美洲的贡献最大（Hesami和Yoosefzadeh-Najafabadi 2025）。在许多发展中国家，由于烹饪时间短且能耗低，人们对罐装豆类的兴趣持续上升。在其他地区，干豆的种植和消费也在逐渐增加（Hesami和Yoosefzadeh-Najafabadi 2025；Pedone等人2024a）。这些趋势凸显了提高罐装豆质量及其感官特性的重要性，无论是对消费者还是食品行业而言。干豆行业的三大主要利益相关者——农民、加工商和消费者——在豆类特性方面有不同的优先考量。虽然高产量、抗病性和耐逆性是农民关注的重点（Amongi等人2025；Hesami和Yoosefzadeh-Najafabadi 2025），但加工商更重视吸水性、缩短加工时间以及经济耐用型的包装材料（Jeffery等人2025）。对于消费者来说，感官特性（风味、质地和外观）、营养价值以及方便易开的包装至关重要（Hesami和Yoosefzadeh-Najafabadi 2025；Wang等人2024）。因此，为了实现该行业的长期可持续性，必须兼顾这三方的利益和偏好。罐装豆的质量受多种因素影响，可分为四大类：基因型和生长条件（气候、土壤和农艺管理）（Amongi等人2025；Hesami和Yoosefzadeh-Najafabadi 2025；Mugabe, Najafabadi等人2025）、收获方法（时机、方式和干燥过程）（Kedir和Mideksa 2025；Pedone等人2024b；Wang和Cichy 2023）、储存条件（Nicolás-García等人2024；Uebersax等人2022），以及加工技术和加工后的储存条件（Deb-Choudhury等人2021；Mishra等人2022；Punia Bangar和Whiteside 2024）。例如，基因型决定了种皮厚度和成分，直接影响吸水率和烹饪时间；而生长条件中的高温压力会导致种皮增厚，增加难以煮熟的缺陷（Amongi等人2025；Wang和Cichy 2024）。同样，包括浸泡时间、盐液成分和杀菌温度及时间在内的加工技术也需要仔细优化；过度的热处理会破坏质地和颜色，而向盐液中添加氯化钙有助于在杀菌过程中保持豆子的硬度（Punia Bangar和Whiteside 2024；Wang等人2025）。罐装过程包括清洗、浸泡、焯水、加盐液或酱料、密封和热杀菌，不仅可以灭活抗营养化合物，提高消化率和营养吸收率，还能确保产品的安全性和高质量（Amber Bassett等人2020；Carvalho dos Santos等人2024）。这一过程通过改变豆内的物理化学反应和成分，影响种子皮的完整性、质地均匀性、颜色、无团块现象以及风味特性等关键指标，这些都是消费者接受度和加工商的重要考量标准（Bassett等人2020；Roselló等人2024；White等人2022）。人工智能的最新进展为解决长期存在的罐头质量评估挑战提供了变革性机遇。传统的罐装豆特性评估依赖于耗时且具有破坏性的方法，通常仅在较晚的世系中可行。AI技术，包括机器学习、深度学习和计算机视觉，实现了高通量、非破坏性的表型分析。高光谱成像与卷积神经网络相结合，可以从干种子预测烹饪时间和罐装后的质地，从而实现早期选育（Rashvand等人2025）。集成70个地点和30年多环境试验数据的集成学习方法，对普通豆的种子重量预测准确率达到0.95，开花时间预测准确率达到0.70（Chiaravallotti等人2025）。人工神经网络在预测豆类品种的遗传优势方面也表现出优于传统基因组选择方法的效果（Rosado等人2020）。通过将评估从罐头厂转移到实验室，AI驱动的方法有望缩短育种周期，并促进符合加工商要求的品种的开发。将AI整合到干豆改良中，标志着从反应性质量检测向预测性、数据驱动的育种的转变。本文全面概述了当前状况和新兴进展，例如利用AI改善干豆的最终使用质量，探讨了育种策略、储存实践和加工技术。尽管之前的研究已关注遗传改良、营养增强或加工行为等单个方面（Fabbri和Crosby 2016；Jeffery等人2025；Khanal等人2014；Mutari等人2022），但将育种、农艺实践、采后处理和工业加工综合评估的研究仍较为缺乏。这种差距限制了对基因型、环境和加工条件相互作用在影响烹饪性能、营养价值和感官特性方面的理解，导致“从田地到罐头”的连续性研究不够深入。因此，本文综合了生产和消费趋势，同时强调了在烹饪时间、罐头质量和营养密度等特性方面的育种进展，以及加工创新和预测消费者接受度的分析工具的发展。通过整合遗传学、生理学、食品科学和加工工程perspectives，本文旨在为育种者、加工商和研究人员提供一个统一的、跨学科的框架。

**2 豆籽的结构和组成**

普通豆籽是一种双子叶植物器官，由种皮、子叶和胚轴三个相互连接的部分组成，每个部分具有不同的形态和化学特性，这些特性决定了其营养价值和加工特性（图1）。种皮约占种子质量的8%–12%，形成多层屏障，由栅栏上皮细胞、沙漏形细胞和富含酚类化合物及结构多糖的薄壁组织构成；其中含有约5%–10%的蛋白质、0.5%–1%的脂肪以及75%–80%的碳水化合物（干重），保护内部组织免受机械损伤、干燥和微生物侵害（Azarpazhooh和Ahmed 2022；Pallares Pallares等人2021）。子叶占干种子质量的85%–90%，作为主要储藏组织，由富含蛋白质颗粒、淀粉粒和脂质储备的密集排列的薄壁细胞组成，大致含有20%–25%的蛋白质、1%–2%的脂肪和65%–70%的碳水化合物。虽然胚轴仅占种子质量的1%–2%，但对发芽至关重要，包括胚根、下胚轴、上胚轴和胚芽；其中含有约25%–30%的蛋白质、2%–4%的脂肪和50%–55%的碳水化合物（Azarpazhooh和Ahmed 2022；Mutari等人2022；Pallares Pallares等人2021；Wainaina等人2021）。这种综合的结构和组成组织调控了关键生理过程，如水分吸收（Jeffery等人2025）、储备物质的调动和幼苗发育，同时也影响着与食品加工相关的技术特性，包括吸水动力学、烹饪质地和难以煮熟的缺陷倾向（Wainaina等人2021）。

**3 影响干豆最终使用质量的参数**

干豆的最终使用质量由一系列复杂的因素决定，这些因素从田间开始，一直延续到采后处理和工业加工过程（图2）。与其他许多作物不同，干豆主要以整粒形式食用，因此从生产到最终加工，必须保持其烹饪时间、质地、风味和营养价值等特性。每个环节，包括遗传改良、农艺管理、收获、干燥、储存和罐装，都可能影响种子的物理、化学和功能特性，从而影响消费者的接受度（Kesiime等人2024；Tafiire等人2025；Wang等人2024）。从田间种植到工业加工的整个过程中，基因型、地理位置和天气条件决定了种子的初始特性。收获方式（如脱粒、处理和干燥）会影响种子的物理完整性和水分含量。储存期间的时间、温度和湿度则影响种子质量的保持和成分稳定性。最后，罐装过程（包括浸泡、焯水、酱料配制、包装和加热）决定了最终产品的烹饪行为、质地、风味和营养保留。遗传背景为种子大小、种皮结构、化学组成和抗逆性奠定了基础，这些共同决定了加工行为、技术和感官特性（Bassett, Hooper和Cichy 2021；Kesiime等人2024；Wang和Cichy 2024）。种植日期、土壤肥力和灌溉等栽培措施影响种子发育，而收获和脱粒方法则决定了机械损伤的程度以及完整可育种子的比例（Habibi等人2025；Kebede等人2025；Kedir和Mideksa 2025）。采后处理，包括干燥速度和储存环境，会影响水分含量、难以煮熟的缺陷、不良风味的形成和微生物污染的易感性（Nicolás-García等人2024；Uebersax等人2022）。最后，罐装过程中的参数（如浸泡、焯水、加盐和热杀菌）必须优化，以确保营养价值和理想的质地，同时保证安全性（Carvalho dos Santos等人2024；Pedone等人2024a；Punia Bangar和Whiteside 2024；Wainaina等人2021）。理解这些相互关联环节之间的相互作用对于希望提供高质量、便捷豆产品的育种者、加工商和供应链利益相关者至关重要。以下部分详细回顾了这些关键参数，强调了它们对干豆技术和感官特性的单独及综合影响。

**3.1 遗传、种植和栽培条件**

干豆的遗传构成为其提供了调节生产力、耐逆性和最终使用质量的生物学基础。遗传变异决定了种子大小、种皮厚度、色素沉着、子叶组成和生化特性等关键特征，这些特性共同影响吸水率、烹饪时间、风味和罐装性能。近年来，育种计划已从单一特性选育转向综合考虑基因-特性-环境相互作用的综合多特性改良框架（Cordoba-Novoa和Hoyos-Villegas 2025）。高通量多组学研究、全组学关联分析和人工智能辅助的基因组预测使育种者能够解析罐头质量、烹饪行为和营养组成的分子基础（Izquierdo等人2025）。Kesiime等人（2024）和Bassett, Katuuramu等人（2021）的研究发现了与烹饪时间、风味和质地相关的多个数量性状位点（QTL），而Jeffery等人（2025）则全面概述了调控果胶代谢和吸水的基因，这两者对豆子的软化和罐装质量至关重要。转录组学和代谢组学分析技术的进步揭示了参与种子外皮木质化和酚类生物合成的途径，这些途径影响水分吸收动态以及难以煮熟的表型的发展（Mutari等人，2022年；Wang和Cichy，2024年）。如表1所示，将这些组学数据与人工智能框架相结合，使研究人员能够识别等位基因变异体，并在不同环境中预测作物的表现，从而提高预测准确性（Chiaravallotti等人，2025年；Yoosefzadeh-Najafabadi等人，2025年；Najafabadi和Jackson，2025年）。Li等人（2025年）证明，高光谱成像结合深度学习可以对常见豆类品种实现93%的分类准确率；而Mendoza、Cichy等人（2018年）则表明，可见光/近红外光谱技术和高光谱成像可以从完整的干燥种子中准确预测烹饪时间和罐头豆的质地，为育种过程中的早期选择提供了非破坏性工具。环境和农艺因素也在种子发育和作物技术性能中发挥着重要作用（Del-Canto等人，2025年）。温度、光照周期和土壤肥力影响着同化物的分配、次级代谢产物的积累以及细胞壁的组成，所有这些因素都决定了豆类的加工特性。理想的田间管理旨在减少开花和种子充实期间的环境压力，因为高温或缺水会导致种子外皮变厚、色素氧化或不均匀成熟，从而导致水分吸收不一致和烹饪时间延长（Amongi等人，2025年；Habibi等人，2025年；Kebede等人，2025年）。现代干豆育种计划越来越多地整合特定基因型的农艺建议，调整播种日期、植株密度和营养施用，以提高产量稳定性和最终产品的质量。种植条件直接影响种子质量和罐头加工性能。及时播种可以确保生殖发育与适宜的温度和湿度条件相匹配，从而减少导致微裂纹或种子活力降低的干燥应力。均匀的种子间距有助于提高冠层均匀性，改善光合作用效率，并减少病害发生（Mohamed等人，2024年；Richardson等人，2025年）。

**表1. 干豆生产育种阶段当前/潜在的人工智能应用总结。**

| 应用领域 | 人工智能技术 | 数据输入 | 关键结果 | 参考文献 |
|------------------|----------------------------------|----------------------------------|----------------------------------|-----------------------------------------|
| 改善产量的基因组选择模拟 | 参数化与非参数化方法（人工神经网络） | 带有SNP标记的模拟常见豆类育种群体；参数包括：训练代、亲本选择代、训练数据收集代 | Chiaravallotti和Hoyos-Villegas（2025年） |
| 耐旱性的基因组预测 | 统计机器学习（SML） | DArT标记（4468个）、SNP（288个）、SSR（180个）；在RILs中对18个耐旱相关性状的表型分析 | Bri?ez等人（2023年） |
| 体外再生优化用于育种 | 量子机器学习 | KNO3浓度（1900、3800、5700毫克/升）、IBA和NAA生长素水平；外植体类型（茎分生组织与子叶节） | Kat?rc?等人（2025年） |
| 种间杂交适应性的基因组预测 | 贝叶斯回归模型（BayesA、BayesB、BayesC、BL、BRR、RKHS） | 来自87个常见豆类×tepary豆先进系的15,645个SNP标记；产量组分（每株产量、种子数量、豆荚数量）和生物量变量 | López-Hernández等人（2025年） |
| 干豆生产育种的品种分类 | 一维卷积神经网络（IResCNN） | 来自500多个常见豆类品系的超高光谱成像数据 | Li等人（2025年） |
| 变量率农业化学品喷洒的实时作物/杂草检测 | 随机森林分类器；基于计算机视觉的检测系统 | 定制的作物和杂草图像数据集；基于PWM的流体流动控制系统反馈 | Alam等人（2020年） |
| 通过无人机图像估计叶氮含量 | 支持向量机（SVM）、随机森林（RF） | 无人机多光谱图像；生长阶段V4、R5、R7的植被指数（GSAVI、MCARI） | Castilho Silva等人（2025年） |
| 利用时间序列无人机数据预测相对成熟度 | 混合CNN-LSTM模型；快速R-CNN用于植株数量估算 | 时间序列RGB无人机图像；生长度日（GDD）数据；数字表面模型（DSM）和点云 | Volpato等人（2024年） |
| 豆叶健康监测与病害检测 | EfficientNetB7结合BiLSTM；带注意力机制的VGG16；SVM、RF、KNN、MLP | 物联网传感器数据；豆叶图像；环境参数（温度、湿度） | Devi等人（2023年） |
| 缺水灌溉下干豆水分状态与植株性状评估 | 人工神经网络（ANNs） | 来自冠层的光谱反射指数（SRIs）；数字图像的RGB指数（RGBIs） | El-baki等人（2025年） |

**在另一项研究中，研究人员发现，在半干旱条件下延迟播种（10月15日）的干豆其100粒种子重量显著增加了约30%，干种子产量增加了25%–27%，这突显了播种日期对种子发育和产量潜力的直接影响（Mohamed等人，2024年）。此外，科学家发现，在有机管理下培育的豆类群体表现出更快的发芽速度和更高的根系分枝密度，以及更低的根部病害发生率，相比传统育种方法。这些特性，特别是改进的发芽活力和根系健康状况，直接影响了植株的建立、冠层均匀性，最终影响了种子的加工品质（Richardson等人，2025年）。施用含有根瘤菌或促进植物生长的根际细菌的生物肥料可以增强生物固氮作用、改善土壤健康，并提高收获豆类的整体蛋白质含量（Habibi等人，2025年；Kebede等人，2025年）。通过保护性耕作和有机改良维持土壤微生物多样性和物理结构，也有助于提高养分利用率和水分保持能力，从而有助于保持种子成分的一致性和减少难以煮熟的缺陷（Abd El和Azeem，2022年；Asif等人，2024年）。例如，研究表明，细菌联合体与生物炭和压泥的协同应用显著提高了芸豆种子的品质，其中粗蛋白增加了119%，氮增加了118%，磷增加了127%，硫胺素增加了195%（Asif等人，2024年）。同样，根瘤菌与促进植物生长的根际细菌的共接种在田间条件下增强了根瘤形成、养分吸收和土壤酶活性，最终提高了种子产量，突显了土壤微生物管理与种子加工品质之间的直接联系（Abd El和Azeem，2022年）。精准农艺技术改变了作物栽培条件的监测和优化方式。无人机（UAV）和高光谱成像系统的使用能够实现整个生长季对冠层活力、叶绿素指数和胁迫反应的高分辨率跟踪（Sánchez等人，2025年）。这些数据结合土壤传感器和天气监测，生成动态数据集，为基于人工智能的模型提供输入，从而实时预测产量、品质和病害风险（表2）。这种数字表型分析与育种和管理决策的整合，构成了现代干豆项目中正在开发的人工智能驱动的作物智能系统的基础，实现了基因型×环境×管理（G×E×M）交互作用的主动管理（Yoosefzadeh-Najafabadi等人，2025年；Hesami和Yoosefzadeh-Najafabadi，2025年）。新兴的计算方法，如数字孪生系统，这些系统模拟植物对变化环境和管理条件的响应，正越来越多地被用来优化G×E×M交互作用。这些模型整合了基因组、表型和环境数据流，以预测品种表现，使育种者能够在田间测试前在计算机上评估潜在的杂交组合和种植策略（Najafabadi和Jackson，2025年；Yoosefzadeh-Najafabadi，2025年）。在干豆育种项目中，这些模型有助于开发特定基因型的栽培方案，平衡农艺效率与加工品质目标，最终支持选择高产且适合罐头加工的品种。**

**表2. 豆类生产栽培阶段当前/潜在的人工智能应用总结。**

| 应用领域 | 人工智能技术 | 数据输入 | 关键结果 | 参考文献 |
|------------------|----------------------------------|----------------------------------|----------------------------------|-----------------------------------------|
| 变量率农业化学品喷洒的实时作物/杂草检测 | 随机森林分类器；基于计算机视觉的检测系统 | 定制的作物和杂草图像数据集；基于PWM的流体流动控制系统反馈 | Alam等人（2020年） |
| 通过无人机图像估计叶氮含量 | 支持向量机（SVM）、随机森林（RF） | 无人机多光谱图像；生长阶段V4、R5、R7的植被指数（GSAVI、MCARI） | Castilho Silva等人（2025年） |
| 使用时间序列无人机数据预测相对成熟度 | 混合CNN-LSTM模型；更快的R-CNN用于植株数量估算 | 时间序列RGB无人机图像；生长度日（GDD）数据；数字表面模型（DSM）和点云 | Volpato等人（2024年） |
| 豆叶健康监测与病害检测 | EfficientNetB7结合BiLSTM；带注意力机制的VGG16；SVM、RF、KNN、MLP | 物联网传感器数据；豆叶图像；环境参数（温度、湿度） | Devi等人（2023年） |
| 缺水灌溉下干豆水分状态与植株性状评估 | 人工神经网络（ANNs） | 来自冠层的光谱反射指数（SRIs）；数字图像的RGB指数（RGBIs） | El-baki等人（2025年） |

**3.2 收获、脱粒、处理和干燥条件**

脱粒是产后操作，它直接影响干豆种子的物理完整性及其下游的终端使用性能，包括外观、脱水后的重量恢复、烹饪时的质地以及罐装过程中的种子完整性。来自田间比较、遗传筛选和受控实验室测试的证据得出了三个相互关联的结论：（1）脱粒方法和强度决定了表面裂纹、破裂种子的频率；（2）种子对机械损伤的敏感性因基因型而异，并取决于种子在撞击时的水分含量和 orientation；（3）脱粒过程中造成的损伤会改变种子内部的水分路径和微观结构，从而影响烹饪和罐装质量（Alves等人，2025年；Kedir和Mideksa，2025年；Shahbazi等人，2012年；Wang和Cichy，2024年）。目前有多种脱粒方法可供选择。田间比较提供了直接证据，支持脱粒方法与豆类品质之间的关系，一致表明更温和的脱粒方法能够获得更优质的种子物理性能。小规模或改进的脱粒方法（例如，采用较温和的敲打系统，随后使用便携式多作物脱粒机或针对豆类作物调整的联合收割机设置）相比粗糙、高能量的机械脱粒方法，减少了破裂和可见裂纹种子的比例（Alves等人，2025年；Kedir和Mideksa，2025年）。例如，使用改进方法（棍棒敲打后使用便携式多作物脱粒机）脱粒的常见豆类种子，其损伤率显著较低（13.89千克/公顷），而传统方法如拖拉机碾压（15.89千克/公顷）或牛践踏（18.00千克/公顷）则损伤率较高，品种与脱粒方法之间存在显著的交互作用（Kedir和Mideksa，2025年）。相反，调整不当的机械化脱粒机或高速滚筒设置会增加种子外皮的裂纹和整体种子的破损，这些都会降低用于罐装或种子认证的种子批次的商业价值（Alves等人，2025年；Kedir和Mideksa，2025年）。遗传筛选显示，在相同的脱粒条件下，不同品种在产生产生种子外皮机械损伤的倾向上存在很大差异（Wang和Cichy，2023年）。一些品种具有较厚的种子外皮和子叶结构特征（厚度、韧性和结构），这使得它们在受到冲击和磨损时具有更好的耐受性；这些品种在相同的收获/脱粒处理后保留了更高比例的完整种子，并表现出更好的终端使用性能（Kedir和Mideksa，2025年）。例如，研究人员评估了七种常见豆类基因型在四种脱粒方法下的表现，发现“Remeda”基因型的受损种子比例始终低于“Argene”基因型，后者对损伤非常敏感。品种与脱粒方法之间的高度显著交互作用证实，遗传差异在决定产后处理过程中的机械损伤程度方面起着关键作用（Kedir和Mideksa，2025年）。这种基因型×脱粒方法的交互作用表明，培育具有抗机械损伤能力的品种是提高罐头豆品质或种子活力的可行补充（Wang和Cichy，2024年）。实验室撞击测试表明，损伤程度受到种子水分含量、撞击速度和接触时种子取向的强烈调节（Shahbazi等人，2012年）。更高的撞击能量和某些取向即使在种子外皮看似完整的情况下也会产生内部裂纹和子叶断裂。在不适宜的湿度水平下收获或脱粒的豆子更容易出现内部微裂纹和表面凹陷；这些微观结构缺陷会形成不均匀的内部水分梯度，并在后续加工过程中改变水分吸收和热传递的路径。针对肾豆和斑豆的机制研究以及受控冲击实验有助于解释观察结果，即强烈的脱粒行为会导致烹饪性能变差和罐装外观变差（Shahbazi等人2012年；Wang和Cichy 2023年）。对于肾豆，科学家们证明了较高的种子表皮损伤评分与较低的罐装质量评分相关，而具有更强抗机械损伤能力的基因型能保持更优的最终使用品质（Wang和Cichy 2023年）。对于斑豆，研究表明冲击速度、水分含量和种子方向显著影响损伤程度，其中端面方向的冲击造成的损伤（18.62%）大于侧面方向的冲击（13.12%），并且最佳的水分含量（17.52%）可以最小化机械损伤（Shahbazi等人2012年）。脱粒过程中的物理损伤会导致热加工过程中的质量损失：表面凹陷和裂痕会增加在高压杀菌过程中的可溶性固体和色素的泄漏（颜色变差和沥干重量减少），加速受热和搅动下的分解（完整种子数量减少），并导致淀粉糊化和水孔软化的不均匀性（Wang和Cichy 2023年）。内部微裂纹和紊乱的水分梯度还会加剧易受影响批次的“难以烹饪”的倾向，增加所需的烹饪/高压杀菌时间，并降低质地和外观（Toili等人2022年）。由于这些效应既受机器影响也受基因型影响，因此最小化机械损伤对于保持罐装质量和市场价值至关重要（Alves等人2025年；Kedir和Mideksa 2025年；Shahbazi等人2012年；Wang和Cichy 2024年）。干燥过程是影响豆子质量的关键因素，它既影响豆子的生理性能（如发芽和幼苗活力），也影响最终产品的特性（包括质地、复水能力和营养价值）。研究表明，在40°C以上的温度下干燥豆子会通过降低发芽率和幼苗活力以及造成细胞损伤来负面影响豆子质量，这一点通过增加的电导率得以体现（Scariot等人2017年）。相比之下，在40°C的受控温度下干燥豆子可以保持种子完整性，同时改善技术、物理和营养特性。这样就产生了质量更好的即煮豆子，增强了它们的质地、复水能力和整体最终产品的性能（Pedone等人2024b）。

3.3 采后储存

储存是采后阶段的一个关键环节，它可能会通过引发化学和结构变化显著降低干豆及其罐装产品的质量，这些变化会增加烹饪时间并降低加工性能。人工智能的最新进展使得能够进行非破坏性的监测和预测储存引起的质量下降，如表3所示。在长时间或控制不当的储存过程中，干豆会经历蛋白质和脂质的氧化反应，以及果胶的交联，这会使细胞壁变紧，减少细胞分离，并产生阻碍水分吸收和热传递的内部微裂纹（Nicolás-García等人2024年）。这些变化是众所周知的“难以烹饪”（HTC）缺陷的基础，即在烹饪或高压杀菌过程中逐渐增加的软化抗性。HTC的发展随着储存温度的升高、水分含量的升高或波动以及储存时间的延长而加速，并且还受到基因型和收获时豆子含水量的影响（Perera等人2023年；Tafiire等人2024年；Uebersax等人2022年）。

3.4 干豆罐装工艺

干豆的商业罐装是一个多步骤过程，旨在重新水化豆子，确保微生物安全，并提供具有理想质地和风味的货架稳定产品（Azarpazhooh和Ahmed 2022年；Jackson等人2022年；Punia Bangar和Whiteside 2024年）。清洗和分级后，豆子会经过预水化步骤以达到最佳的水分含量，这有助于在热加工过程中软化。漂白后，豆子会被沥干、冲洗，然后装入含有盐、糖、酸或调味料等成分的盐水或酱料（主要用于大种子豆子）中，并控制罐内空间以适应膨胀。密封的罐子会在热力下进行杀菌，以灭活病原体和腐败微生物，同时保持产品品质（Mendoza等人2014年；Qureshi和Sadohara 2019年）。后续处理中，罐子会迅速冷却，并评估关键的质量参数，如沥干重量、pH值和硬度。浸泡、盐水成分和热处理的综合影响决定了豆子的水合行为、淀粉糊化以及细胞壁的解体，这些最终决定了豆子的质地、颜色、感官品质以及是否出现诸如裂缝皮或难以烹饪的缺陷（Punia Bangar和Whiteside 2024年；Wang等人2024年；White等人2022年）。这些步骤将在后续章节中分别讨论。近年来，人工智能已成为优化和监测豆子罐装过程的强大工具（表4）。机器视觉系统和深度学习算法能够快速、非破坏性地评估豆子的关键质量属性，如完整性、颜色均匀性和缺陷检测。这些智能系统减少了对外部人工评估的依赖，提高了质量控制效率，并促进了实时过程调整，最终提高了产品的一致性并减少了采后损失。

3.4.1 浸泡

浸泡是罐装豆生产中的一个关键预处理步骤，它有助于提高水分吸收，软化子叶，并减少后续的烹饪或高压杀菌时间。其机制包括首先通过种皮微孔快速湿润表面，然后水分缓慢渗透到子叶中，在此过程中细胞壁的多糖（果胶和半纤维素）发生软化，使得在加热时细胞间分离（图3）。同时，可溶性化合物如糖、矿物质和色素会渗入浸泡水中，当与热量或盐结合时，浸泡可以改变酶的活性和溶质平衡，从而影响质地、颜色和风味（Didinger等人2023年；Mishra等人2022年；Shevchenko等人2022年；Somogyi等人2025年；Strickland 2025年）。图3展示了浸泡过程中水分渗透到豆子中的关键因素。影响浸泡动力学和结果的因素包括时间、温度、水化学性质（如盐分和pH值）、豆子的年龄和基因型、搅拌或辅助方法（超声波和电接触加热）以及环境条件（如海拔）。较长的浸泡时间和较高的温度通常会增加水分吸收并减少烹饪时间，但过度浸泡会导致营养流失、颜色退化或种皮结构变弱。适量的盐分可以加速水合，提高复水均匀性，并改善质地，尽管效果因基因型和豆子年龄而异（Mishra等人2022年；Pedone等人2024a；Strickland 2025年）。新兴技术，包括超声波辅助浸泡和电接触加热，可以增强物质传递并减少水合时间。超声波通过空化作用增加水分渗透，而电接触加热通过提高浸泡温度来加速水合，并可以集成到连续的工业过程中（Shevchenko等人2022年；Somogyi等人2025年）。尽管浸泡有许多好处，但它也有局限性：可溶性营养素的损失、在控制不当条件下的微生物风险、过度水合可能导致的机械损伤，以及不同基因型和老化豆子之间的响应差异（Pedone等人2024a）。因此，必须根据时间、温度、盐浓度和方法优化浸泡方案，并根据豆子的市场类别、年龄和加工情况进行调整。自动化的水合监测和动力学建模可以指导这些调整，确保一致的水合、最小化的质量损失以及在后续的漂白、烹饪和罐装操作中的性能提升（Didinger等人2023年；Mishra等人2022年；Pedone等人2024a；Shevchenko等人2022年；Somogyi等人2025年；Strickland 2025年）。

3.4.2 豆子漂白

在干豆中，一些与质量相关的酶，如脂氧酶（LOX）、过氧化物酶（POD）、多酚氧化酶（PPO）和蛋白酶特别值得关注，因为它们的活性会加速氧化变质、色素降解和质地硬化。该过程涉及将豆子短暂暴露在热源下，通常通过热水、蒸汽或红外线（IR）辐射来实现酶的失活，同时尽量减少品质损失。除了酶失活外，焯水还有助于去除豆子组织中的氧气，并降低初始的微生物负荷，从而提高安全性并支持在高压灭菌过程中的更有效杀菌（Milkesa和Demirew 2024；Wang等人2022）。热水焯水是将豆子浸入沸水中，而蒸汽焯水则是让豆子暴露在饱和蒸汽中，蒸汽通常渗透得更慢。红外线焯水加热速度更快，处理时间更短，能耗更低，因此是工业应用中的一种有前景的替代方法。微波焯水也可以用于快速均匀地加热（Akshaya Priya和Sutar 2023；Deb-Choudhury等人2021；Mishra等人2022）。焯水的效果取决于多个变量，包括温度、时间和豆子的品种、年龄以及水质（Mishra等人2022）。较高的温度或较长的焯水时间可以更好地实现酶的失活，但可能会导致营养素流失，特别是水溶性维生素的流失，并且会使豆子质地变软。基因型和种子年龄会影响豆子对热的敏感性，因此需要调整焯水条件以保持其结构完整性（Akshaya Priya和Sutar 2023；Deb-Choudhury等人2021；Mishra等人2022）。尽管焯水有很多优点，但它也有一些局限性：会导致营养素流失、可能使豆子过度软化、需要大量的能源（尤其是热水或蒸汽方法），以及废水处理带来的环境问题（Akshaya Priya和Sutar 2023）。优化焯水过程包括选择合适的方法，根据豆子的类型和年龄调整温度和时间，并考虑能源效率，以在实现酶失活的同时将品质损失降到最低。例如，研究表明，与传统方法相比，红外线焯水可以将干燥时间缩短多达50%，能耗降低约17%。此外，优化参数如产品厚度（2-5厘米）和处理时间（30秒到几分钟）对于在最大限度减少营养素流失和过度软化的同时实现酶的失活至关重要（Bouhile等人2025）。当控制得当时，焯水可以提高罐装豆子的最终安全性、颜色、质地和整体品质（Akshaya Priya和Sutar 2023；Deb-Choudhury等人2021；Mishra等人2022）。

3.4.3 包装
罐装豆子通常采用铝罐或高压灭菌袋进行包装，每种包装都有其独特的优缺点。铝罐具有出色的光、氧和防潮屏障性能，能确保长期货架寿命并在高压灭菌过程中保持品质稳定。它们非常耐用，易于堆叠，在全球市场上广为接受；然而，铝罐较重，占用空间较大，并且在生产和处理过程中对环境的影响也较大（Gulcimen等人2023；Punia Bangar和Whiteside 2024；Thomas等人2025）。相比之下，高压灭菌袋重量轻且柔软，运输和储存过程中消耗的能量和材料较少。它们在高压灭菌过程中能够更快地传递热量，从而改善豆子的质地和营养保留，但更容易被刺破，消费者接受度可能较低，而且回收处理也较为复杂（Gulcimen等人2023；Punia Bangar和Whiteside 2024；Thomas等人2025）。一些品牌也在尝试使用替代包装，如玻璃罐（Roselló等人2024）。玻璃罐具有良好的惰性，可以防止食品与化学物质发生反应，为消费者提供高品质、外观吸引人的产品。无BPA涂层的罐子越来越受欢迎，它们可以减少罐内涂层物质向豆子中的迁移，同时保留传统铝罐的优势。然而，由于成本较高、重量较大以及加工限制，这两种包装方式在大规模商业豆类生产中较少使用。玻璃罐更重且易碎，增加了运输和储存的难度，而无BPA涂层可能需要特殊的制造工艺，在工业规模上并不总是可行。包装的选择不仅影响消费者的认知，还对热处理效率、产品质地、营养保留、消化能力和可持续性有显著影响，因此是罐装豆类生产中的一个重要因素（Roselló等人2024；Schoeninger等人2017）。

3.4.4 罐装方法
现代豆类罐装主要依靠高压灭菌处理，即在压力下加热密封容器，以达到商业所需的肉毒杆菌孢子12-log的对数减少（Munir等人2023），而传统方法则使用常压煮沸或长时间烘烤。高压灭菌技术可以精确控制温度、压力和搅拌，从而在优化条件下减少微生物负荷，并在保持豆子质地和营养的同时确保安全（Bassett等人2020；Punia Bangar和Whiteside 2024；Setiawan等人2023）。例如，研究表明，缩短高压灭菌时间可以通过保持豆子的完整性和减少营养损失来提高速煮干豆的质量（Bassett等人2020）。运动类型（例如端到端或旋转）和容器选择会影响热传递、淀粉消化率和最终豆子质地，旋转运动可以促进均匀加热并缩短处理时间（Punia Bangar和Whiteside 2024）。干豆的烹饪过程是一系列由热传递驱动的生化和结构变化。最初，低分子量蛋白质会发生变性，淀粉颗粒会糊化，这是第一个变化阶段。在第二阶段，耐热蛋白质也会变性。同时，加热会削弱并分解中层细胞壁中的果胶，导致子叶分离，从而使质地变软（Chigwedere等人2018；Lefèvre等人2022）。淀粉糊化被认为是豆子煮熟的关键指标，表明豆子从生状态转变为熟状态。这些变化共同使豆子变得可食用、味道可口且适合食用（Jeffery等人2025）。然而，过高的温度或过长的时间会破坏蛋白质、维生素和风味化合物，因此需要精细控制工艺参数，如初始豆子的水分含量、填充重量和pH值（Mishra等人2022；Wainaina等人2021）。研究表明，精心校准的高压灭菌条件可以保留蛋白质质量和必需氨基酸，而过度处理会显著降低营养价值（Setiawan等人2023）。与家庭煮制或传统煮沸方法相比，现代高压灭菌系统更加节能，能够提供稳定的货架寿命，但需要昂贵的设备，并可能仍然会导致矿物质渗出和轻微的颜色变化（Wainaina等人2021；Zanovec等人2011）。虽然传统加热方法更简单且资本需求较低，但通常烹饪时间较长，营养损失较大，由于热量分布不均，感官品质也会不稳定（Mishra等人2022；Wainaina等人2021）。

4 罐装豆子的关键品质参数
豆子的罐装质量是一个多维特性，受十几个相互关联的参数影响，这些参数影响工业加工性能、消费者接受度和整体市场价值。这些特性可以分为五类：首先是无观属性，如质地、颜色、风味、香气、外观、盐水/酱汁粘度和种皮完整性，这些直接决定了消费者的吸引力和接受度（Kesiime等人2024；Roselló等人2024）；其次是物理属性，包括种子大小和均匀性、总重量和净重量、沥干重量、结块情况和包装，这些影响加工效率和产品的一致性（Golzi等人2023）；第三是化学和营养属性，如蛋白质、淀粉、矿物质和生物活性化合物，这些决定了营养价值，可以通过盐水或酱汁配方进行部分调整（Pedrosa等人2015）；第四是经济属性，包括罐装产量、水分吸收效率和生产成本效益，这些直接影响加工者的盈利能力和市场竞争力（Jeffery等人2025）；最后是安全性和处理属性，与微生物稳定性、酶失活和热处理相关，这些确保了产品的货架寿命和符合监管标准（Akshaya Priya和Sutar 2023；Deb-Choudhury等人2021）。这些相互关联的特性为评估和改善罐装豆子的质量提供了全面的框架。

4.1 感官质量特征
感官属性是罐装豆子质量最重要的指标之一，对消费者的接受度有直接影响。事实上，即使产品营养丰富且安全，如果感官特性不足，也会降低其吸引力，从而降低其市场价值（因为重复购买是由感官属性驱动的）。这些属性包括质地、颜色、风味和味道、香气、整体外观、盐水/酱汁粘度和种皮分离情况。

4.1.1 质地
罐装豆子的质地是决定消费者接受度的最重要品质参数之一，因为它直接影响咀嚼时的口感和感官体验，包括硬度、柔软度、咀嚼性和口感。质地通常通过使用质地分析仪剪切标准样品所需的峰值力（kg/100g）来量化，不同市场类别的最佳范围有所不同。对于海军豆来说，理想的硬度通常在50-60kg之间，低于40kg表示豆子过于软烂，高于70kg则表示豆子煮得不够熟，尽管美国行业标准可能更倾向于72kg，反映出消费者对稍微硬一点豆子的偏好（Khanal等人2014；Mutari等人2022）。豆子的烹饪过程主要受子叶细胞壁中果胶溶解的控制，这是软化的限速步骤。在烹饪过程中，淀粉糊化和蛋白质变性在豆子达到稳定质地之前就已经完成，表明这些过程对质地变化或软化速率的影响很小。豆子的裂开会通过增加暴露的表面积来加速新鲜豆子的软化，但随着豆子老化，这种效果会减弱，因为老化的豆子完全依赖于子叶的烹饪特性。老化以特定基因型依赖的方式影响果胶的溶解，通常会减慢果胶分解的速度和程度，从而延长烹饪时间。不同基因型和采后的储存条件会影响果胶的相互作用和结合，导致质地蜕变和软化动力学的不同（Tafiire等人2025）。硬度受基因型、环境和加工条件的影响。遗传多样性导致种子大小、子叶质地和水分吸收等特性的差异，这些都与最终的硬度有关（Bassett等人2021；Lange和Labuschagne 2001）。水分吸收系数（HC）起着核心作用：较高的水分吸收通常会使罐装豆子更软，但过度的软化可能导致种子破裂或裂开（Mutari等人2022；Strickland 2025；Thomas等人2025）。添加氯化钙（CaCl2）可以通过保持硬度并降低盐水粘度来改善质地，但过量的钙可能导致种皮破裂（Thomas等人2025；Wang等人2025）。高压灭菌处理时间也是一个重要因素：速煮基因型受益于较短的处理时间（10-15分钟），以避免过度软化，而慢煮豆子则需要更长的时间达到可接受的硬度（Bassett等人2020；Tafiire等人2024）。感官研究表明，消费者偏好的豆子具有适中的硬度、最小的粗糙感、有限的种皮剥离和均匀的软化（Muroki等人2024）。非破坏性的预测方法，如Vis/NIR光谱和高光谱成像，也可以从干豆预测罐装豆子的硬度，为育种和质量控制提供工具（Mendoza等人2018；Mendoza, Wiesinger等人2018）。结合最佳的基因选择、水分管理、控制的盐水配方和定制的处理时间，可以生产出具有理想质地的罐装豆子，平衡硬度和柔软度，以提高消费者的满意度。

4.1.2 颜色
罐装豆子的颜色是一个关键的品质属性，直接影响消费者的接受度，并受到内在和外在因素的影响。豆子的颜色主要来源于色素，包括酚类化合物和黄酮类化合物，这些色素在不同基因型间存在差异，通常与种皮和子叶特性相关（Cichy等人2014；Mutari等人2022；Parmar等人2016）。在热处理和储存过程中，非酶促褐变（美拉德反应）、酚类氧化以及色素与盐水的相互作用等化学反应会导致颜色变化，通常会导致颜色随时间变深或变暗（Junek等人1980；Karathanos等人2006；Parmar等人2016）。多种参数影响颜色的稳定性，包括基因型、初始色素含量、pH值、盐水组成、高压灭菌处理条件和储存温度及时间（Cichy等人2014；Junek等人1980；Karathanos等人2006；Mutari等人2022）。通过QTL定位研究可以将特定基因位点与颜色稳定性联系起来，从而选择具有优异颜色保持力的品种（Cichy等人2014）。通过基因型选择、精确控制处理时间和温度以及优化包装条件，对于保持吸引人的颜色至关重要，以满足消费者的满意度。

4.1.3 味道和风味
豆子的天然美味应在罐装过程中得到保留。如果出现苦味、烧焦味、豆腥味或陈味等不良风味，说明加工或储存不当（Roselló等人2024）。盐水或酱汁（盐、糖、香料和调味剂）的成分平衡对于创造理想的风味起着重要作用。减少钠和糖的使用也是当前提高罐装豆子风味质量的一个挑战。香气是评估罐装豆子质量的另一个关键感官属性，对消费者的接受度有直接影响。在加工和加热过程中会产生来自淀粉、蛋白质、脂质和植物化学物质的挥发性化合物，这些化合物赋予豆子特有的香气。不愉快的气味，如陈腐味、霉味或硫磺味，通常表明食物已经变质或加工不当，可能是由于挥发性氧化、微生物生长、不饱和脂肪酸的氧化或过度加工造成的（Chigwedere等人，2019年）。香气通常由受过训练的感官评估小组使用 hedonic 测量尺度来量化其强度和质量。控制加工、储存和包装条件以保留所需的挥发性成分并减少异味对于提高感官质量和消费者接受度至关重要。

4.1.4 外观和均匀性
产品的外观是消费者首先感知到的质量指标之一，对市场可行性有显著影响（White和Howard，2012年）。在罐装豆类中，种子颜色、盐水/酱料的清澈度、种子大小和形状的均匀性以及没有缺陷（例如，破损或变色的种子）是主要的质量标准（Mendoza等人，2017年）。均匀的种子大小和形状对工业生产尤其重要，因为它们可以增强视觉吸引力，并确保更一致的热传递，从而减少煮不熟或过熟的问题。

4.1.5 盐水/酱料的粘度
盐水或酱料的粘度是一个重要的质量参数，它既影响感官体验也影响罐装豆类的物理化学稳定性（White和Howard，2012年）。过稀的盐水会导致豆子在罐内自由移动，从而引起相分离并使外观不吸引人，而过高的粘度则会带来粘性、不良的口感和降低的视觉吸引力。粘度受热加工过程中释放的淀粉和果胶以及配方成分（例如糖、盐和增稠剂）和加工条件（高压灭菌温度和加热时间）的影响（Park等人，2020年）。通过基因选择、优化热处理方案以及使用批准的稳定剂来适当控制粘度，对于提高感官质量、产品一致性和消费者接受度至关重要。

4.1.6 种皮分离
罐装豆类中的一个主要质量问题是在加热或储存过程中种皮分离。这种缺陷不仅会降低视觉吸引力，还会导致质地不均匀和不良的口感。种皮分离的严重程度取决于多种因素，包括豆子的基因型（种皮厚度和组成）、初始种子水分含量、浸泡和焯水处理条件以及罐装过程中的热处理强度/持续时间（Wang和Cichy，2023年；Wu等人，2005年）。除了降低市场可行性外，种皮分离还会导致营养损失，因为种皮含有有价值的化合物。减少这一问题的策略包括选择抗性基因型、优化预处理条件以及控制罐装过程中的热处理方案（Wang和Cichy，2023年；Wu等人，2005年）。平衡这些相互竞争的特性需要一个综合策略。从育种的角度来看，种质筛选揭示了在机械损伤抗性和罐装质量方面的显著遗传变异性，使得可以选择出在不影响水分吸收动力学的情况下保持种子完整性的基因型（Wang，2023年；Wang和Cichy，2023年）。例如，发现浅红色肾形豆比深红色或白色肾形豆更容易受到种皮损伤，这表明针对不同市场类别进行育种可能是必要的（Wang和Cichy，2023年）。从加工角度来看，优化收获时的水分含量（例如，在大约18%的水分含量而不是12%时收获）可以减少种皮损坏，并最小化对烹饪质量的负面影响（Wang等人，2023年）。此外，控制水分吸收的协议和热处理调整可以部分补偿不同品种之间的种皮特性差异。因此，一种将遗传改良与特定阶段加工调整相结合的系统方法是最有效的途径来管理这一特性权衡。

4.2 物理质量特征
罐装豆类的物理属性是直接影响工业加工性能和消费者体验的关键质量指标。这些属性包括种子大小和均匀性、总重量和净重量、吸水率、沥干重量、密度和聚集情况以及种皮完整性（White和Howard，2012年）。在生产过程中仔细评估和控制这些参数不仅确保符合质量标准，还能提高最终产品的货架稳定性和外观。因此，系统地理解物理质量特征对于优化工业流程和提升消费者满意度至关重要。

4.2.1 大小
种子大小和均匀性是罐装豆类最重要的物理属性之一，影响产品外观和烹饪时的均匀性（Siddiq和Uebersax，2013年）。均匀的种子可以提高视觉吸引力，并确保所有种子在加工过程中均匀软化。这个参数通常通过称量100粒种子的样本或通过视觉检查来验证是否符合标准。种子大小还直接影响热处理过程中的热传递动态：较大的种子需要更长的时间才能在最冷点（几何中心）达到商业上的灭菌要求，这可能导致较小种子表面过熟和质地降解。相反，较小的种子在基于搅拌的热处理过程中更容易受到机械损伤，破损率更高，浑浊度增加，并且在较高搅拌频率下营养成分更容易渗入盐水中（Singh等人，2015年）。

4.2.2 总重量和净重量、沥干重量和吸水率
罐装豆类的总重量和净重量对于包装控制和生产一致性至关重要。总重量包括产品和包装的重量，而净重量则是通过减去容器重量得到的。准确的控制确保每个罐子中含有适当比例的豆子和盐水，从而满足消费者需求并符合监管要求。沥干重量和吸水率表明了豆子是否吸收了足够的液体以达到所需的柔软度和口感。评估方法是在受控清洗条件下将罐内内容物沥干，然后测量吸收的液体和最终的豆子重量（Siddiq和Uebersax，2013年）。

4.2.3 聚集和包装
豆子在罐内的聚集和包装会直接影响烹饪时的均匀性、外观和感官质量（White和Howard，2012年）。聚集或粘在一起的豆子可能会煮得不均匀，从而降低产品质量。这一特性通过观察罐内种子的分布和聚集情况来进行评估，从而了解生产的一致性。研究人员提到，豆子的形态和水合特性显著影响热处理过程中的种子间摩擦和包装行为（Howard等人，2018年）。此外，优化盐水溶液、填充温度和高压灭菌条件可以减轻聚集现象，从而提高均匀性和消费者吸引力（White等人，2022年）。适当控制这些参数可以确保豆子的均匀分布并提高最终产品质量。

4.2.4 烹饪时间
烹饪时间是罐装豆类生产中的一个关键参数，影响加工效率和消费者接受度。多种因素会导致烹饪时间的差异，包括遗传、生理、环境和加工相关变量。遗传控制是最重要的决定因素之一；研究表明，种皮厚度、子叶细胞壁特性和果胶溶解度的差异显著影响烹饪行为，某些基因型表现出更短或更长的烹饪时间（Bassett、Hooper和Cichy，2021年；Bassett、Katuuramu等人，2021年；Jeffery等人，2025年；Kesiime等人，2024年）。例如，全基因组关联研究和QTL图谱定位已经确定了与快速烹饪特性相关的位点，使育种者能够开发出适合工业使用的快速烹饪品种（Bassett、Katuuramu等人，2021年；Kesiime等人，2024年）。生理因素如豆子年龄和收获后的储存条件也起到作用，因为老化的豆子通常表现出“难以烹饪”的现象，需要更长时间的加热，因为果胶溶解度降低和蛋白质-淀粉相互作用改变（Tafiire等人，2024年；Wainaina等人，2021年）。生长过程中的环境条件，包括土壤和气候，也会导致烹饪时间的差异（Amongi等人，2021年）。从加工的角度来看，烹饪前的水分吸收至关重要：较高的水分吸收通常通过增强子叶的软化来减少烹饪时间（Mendoza、Wiesinger等人，2018年；Tafiire等人，2024年；Wainaina等人，2021年）。盐水的组成 also 影响质地和烹饪速度，钙盐常用于保持豆子的硬度；然而，过量的钙会延长烹饪时间或导致种皮破裂（Wang等人，2025年）。技术进步，如高光谱成像，现在可以预测干豆的烹饪时间，支持在加工前进行选择和质量控制（Mendoza、Wiesinger等人，2018年）。

4.3 化学和营养质量特征
罐装豆类不仅因其便利性和感官属性而受到重视，还因其重要的营养价值而受到重视，它们提供蛋白质、膳食纤维、淀粉、维生素、矿物质和生物活性化合物。已经探索了生物强化策略来提高豆类的微量营养素密度，特别是铁和锌的含量，尽管在罐装过程中的保留程度取决于基因型和加工变量（Siddiq等人，2022年；Wiesinger等人，2022年）。蛋白质的质量和消化率对罐装豆类的营养价值至关重要：热处理会变性蛋白质并减少抗营养因子，从而提高消化率，但也会根据罐装强度减少赖氨酸等热敏感氨基酸（Fabbri和Crosby，2016年；Setiawan等人，2023年；Wainaina等人，2021年）。膳食纤维和抗性淀粉在罐装过程中相对稳定，有助于控制血糖、饱腹感和肠道健康（Didinger等人，2022年；Zanovec等人，2011年）。然而，过度的热处理会导致部分糊化和淀粉结构改变，从而影响质地和营养价值（Fabbri和Crosby，2016年；Wainaina等人，2021年）。高压灭菌处理会影响微量营养素的含量，某些矿物质会有损失，但通过仔细控制时间和温度可以最小化损失并保持营养密度（Carvalho dos Santos等人，2024年；Setiawan等人，2023年）。抗营养化合物如植酸、单宁和酶抑制剂通过浸泡和高压灭菌处理得以显著减少，从而提高矿物质的生物利用度（Fabbri和Crosby，2016年；Minuye和Bajo，2021年）。尽管如此，矿物质、植酸和多酚之间的相互作用仍然可能限制生物利用度，因此需要选择植酸含量较低且加工策略能够优化矿物质保留的基因型（Minuye和Bajo，2021年；Wiesinger等人，2022年）。比较研究表明，尽管由于渗入盐水中，罐装豆类的营养密度可能略低于干煮豆类，但罐装豆类仍然是经济实惠且营养密集的选项，具有有利的气味-成本比（Musa等人，2024年；Zanovec等人，2011年）。为了进一步提高其营养价值，通过育种提高微量营养素密度和减少抗营养因子，优化热处理以平衡安全性和营养保留，并通过强化盐水中的维生素或矿物质是一个有前景的策略（Didinger等人，2022年；Siddiq等人，2022年；Wiesinger等人，2022年）。

5 人工智能在干豆育种中的当前应用
近年来，人工智能在干豆育种项目中的应用展现了广泛的前景（Mugabe、Yoosefzadeh Najafabadi和Rajcan，2025年）。机器学习算法已被用于预测关键生理特性，例如一项研究中，随机森林、K最近邻（KNNs）和M5Rules模型通过近红外反射数据预测了常见豆类的叶氮含量，R2值高达0.89（Tavares等人，2024年）。深度学习和计算机视觉技术越来越多地用于种子品种分类。研究人员使用高光谱成像和一维卷积神经网络（IResCNN）对500多个品系的豆类进行了分类，测试集的准确率达到93.06%（Li等人，2025年）。人工智能驱动的适应性分析是另一个重要领域，科学家应用模糊C均值聚类方法对黑豆基因型的产量数据进行了分析，与传统方法相比，提高了基因型-环境适应性的区分能力（Carneiro等人，2023年）。此外，整合大规模基因型和多环境试验数据的集成学习方法已在不同研究中得到广泛探索（Chiaravallotti等人，2025年）。在一项使用超过30年数据和70个地点的120多万个SNP标记的研究中，比较了神经网络、岭回归和线性模型在常见豆类基因组预测中的应用，展示了人工智能利用大型基因组和表型数据库的潜力（Chiaravallotti等人，2025年）。这些研究表明，人工智能在特性预测、种质分类和基因组支持的选择方面越来越受到重视，展示了数据驱动的算法如何增强育种过程中的决策制定，并最终支持加速遗传改进。

6 集成从农场到罐的框架，以提升AI增强型干豆的质量
基于对干豆价值链各个阶段的回顾，我们提出了一个整体框架，将遗传改良、农艺管理、收获后处理、工业加工和AI支持的决策支持整合到一个统一的系统中（图4）。与传统的线性模型不同，该框架强调双向信息流动和预测反馈循环，从而实现主动而非反应式的质量管理。图4展示了从农场到罐的集成框架，用于提升AI增强型干豆的质量。实线蓝色箭头表示物料流动（豆子通过价值链），虚线蓝色线条表示反馈循环（数据和预测）。AI节点（蓝色菱形）与每个阶段接口，实现预测性质量管理和反馈循环。

6.1 框架组成部分和相互连接
该框架由五个相互连接的模块组成，每个模块对应于从农场到罐的连续过程中的一个主要阶段。### 遗传改良

来自育种群体的基因组和表型数据被输入到人工智能模型中（包括基因组预测和基于高光谱图像的深度学习），以预测干种子的罐装品质特性。这使得无需昂贵的罐装试验即可进行早期世代的选择。输出结果包括具有预测优良质地、颜色稳定性和烹饪时间的候选基因型。该模块为第2模块（栽培管理）提供主要输入，因为针对基因型的具体栽培建议直接来源于其输出结果。

### 栽培管理

环境数据（土壤、气候和天气预报）以及针对基因型的具体建议被整合到数字孪生系统中，以优化播种日期、灌溉和养分管理。人工智能模型预测基因型与环境的相互作用将如何影响最终的罐装品质，使农民能够调整栽培方法以达到质量目标。该模块的输出结果（具有预测特性的收获作物）直接传递给第3模块（收获和产后处理），而第1模块中的基因型信息在这一阶段仍继续被使用。

### 收获和产后处理

来自打谷机和干燥机的传感器数据，结合种子的含水量和基因型敏感性特征，为打谷强度、干燥温度和储存条件提供人工智能驱动的建议。预测模型根据储存时间和环境预测难以烹饪（HTC）的风险。这一阶段处理后的种子成为第4模块（工业加工）的主要输入。此外，此处检测到的任何质量偏差可以作为反馈信息传回第2模块，以调整农艺措施。

### 工业加工

通过机器学习模型优化浸泡、焯水和高压灭菌参数，这些模型考虑了基因型、豆子成熟度以及期望的质地效果。利用高光谱或RGB成像进行实时质量监测，可以动态调整加工条件。该模块的最终产品（罐装豆子）被发送到第5模块。此外，最优的加工参数也可以作为建议反馈给第2和第3模块。

### 质量反馈和市场情报

来自加工罐头的感官和质地数据被反馈到早期模块，形成一个持续的改进循环。消费者偏好数据可以被纳入以重新确定育种目标。该模块向第1模块（遗传改良）发送反馈信号，以更新育种优先级，并向第2至4模块传输质量警报信号，以实现实时的工艺调整。

### 6.2 人工智能在整个框架中的作用

如表5所示，人工智能作为连接从农场到罐头生产五个模块的整合引擎。人工智能不仅仅是一个独立工具，它贯穿于从遗传选择和田间管理到收获、储存、加工和质量反馈的每个阶段，将异构的原始数据转化为可操作的预测、分类和优化结果。在每个模块中，人工智能算法接收特定领域的输入（光谱特征、基因组标记、环境时间序列和传感器读数），并生成指导育种选择、农艺干预、产后处理和工艺调整的决策结果。重要的是，人工智能实现了双向信息流动，允许下游的质量结果重新训练上游的预测模型。三种人工智能能力尤为重要：

| 能力 | 在框架中的应用 |
|--------|------------|
| 预测建模 | 从干种子光谱或基因组标记预测罐装豆子的质地、烹饪时间和颜色 |
| 分类和异常检测 | 识别缺陷种子、分类品种、检测易出现HTC问题的批次 |
| 优化和数字孪生 | 建议针对基因型的种植、收获和加工参数 |
| 多模态数据融合 | 整合光谱、基因组、环境和传感器数据以统一质量预测 |
| 不确定性量化与解释性 | 为模型输出提供置信度和可解释的原因，以支持信任和决策制定 |

### 6.3 结果和益处

预计这一综合框架的实施将在整个价值链中带来益处。对于育种者来说，它可以缩短周期时间，降低表型定义的成本，并提高罐装品质的选择精度。加工商将受益于原材料质量的一致性、减少高压灭菌失败以及提高沥干重量的回收率。消费者每次购买都能期待更优的质地、颜色和感官体验。从可持续性的角度来看，该框架通过最小化过度加工和批次拒收来减少能源和水的浪费。总体而言，这些成果展示了如何利用人工智能实现从反应式的、分段式的干豆生产方式向主动式的、系统级的质量管理策略的转变。

### 6.4 采用的先决条件

成功部署这一综合框架需要四个基本前提条件。首先，必须建立标准化、可共享的数据集，将干种子的特性与罐装品质结果联系起来，以便在各个机构之间进行稳健的模型训练。其次，育种项目和接收站需要经济实惠的高光谱或多光谱成像系统，以快速、无损地进行质量评估。第三，必须为农民和加工商开发用户友好的决策支持工具，将人工智能预测转化为可操作的管理决策。第四，需要在植物科学、食品工程和数据科学交叉领域的跨学科培训计划，以培养能够实施和维护这些人工智能系统的劳动力。

### 7 未来展望

在推进豆类育种领域的发展中，通过最近的概念框架和实证进展，人工智能的未来前景特别充满希望。例如，研究人员提出了混合人工智能（结合符号推理和机器学习）如何应对多组学、多性状和多环境的复杂性，从而支持气候智能作物的培育（Najafabadi和Jackson 2025）。这种方法为将人工智能整合到精准育种流程中奠定了概念基础。此外，科学家们展示了机器学习如何开始渗透到植物育种的“五个G”（种质特性、基因组组装、基因组育种、基因功能识别和基因编辑）中，并认为未来的进展将源于多组学和环境数据与机器学习模型的更深层次整合（Yoosefzadeh-Najafabadi等人2025）。其他研究者还指出，大型语言模型（LLMs）通过解释多模态数据集、构建基因-性状-环境关系的知识图谱以及生成育种假设，能够增添价值（Yoosefzadeh-Najafabadi 2025）。展望未来，这三个方向将结合在一起：人工智能系统将（i）通过使用机器学习和LLMs建模基因型与环境相互作用，实现快速的计算机辅助选择；（ii）在合成生物学背景下，利用混合人工智能方法支持等位基因和调控网络的精准编辑；（iii）通过来自田间试验的反馈不断自我改进，加速遗传进展。在这个不断发展的范式中，豆类育种项目可以利用人工智能支持的数字化、表型分析自动化、多组学与环境及管理数据的整合以及先进的决策支持引擎，开启一个以设计为导向的品种开发新时代。

### 8 局限性

尽管人工智能在豆类育种领域具有巨大潜力，但其应用仍面临若干根本性限制。研究人员指出，在基于基因组的植物育种中，机器学习算法的应用受到数据偏差和在多样化环境条件下定位模型的挑战（Yoosefzadeh-Najafabadi等人2025）。同样，在合成生物学的背景下，庞大的多组学数据量和缺乏标准化流程阻碍了算法见解转化为实际育种成果的进程（Najafabadi和Jackson 2025）。此外，有研究强调，尽管大型语言模型（LLMs）能够生成新的假设，但在解释性和确保生物学准确性方面仍需人工验证（Yoosefzadeh-Najafabadi 2025）。此外，还有研究指出，在植物育种中应用机器学习分析微生物组时，面临数据标准化和适应复杂基因型-微生物组-环境相互作用方面的挑战（Yoosefzadeh-Najafabadi等人2025）。这些限制也延伸到多性状基因组预测领域。科学家们表明，尽管人工智能可以提高大麻中大麻素的预测准确性，但多性状数据集的整合仍然计算密集且对数据质量敏感（Yoosefzadeh-Najafabadi和Torkamaneh 2025）。其他研究还提到，人工智能在植物育种中的广泛应用，包括豆类作物，取决于大规模、高质量表型和基因型数据集以及良好的数据管理流程的可用性（Cheng和Wang 2024；Khan等人2022；Yoosefzadeh-Najafabadi等人2023）。这些研究表明，虽然人工智能在加速性状预测、基因组选择和种质特性表征方面具有潜力，但该领域仍需解决数据质量、解释性和计算要求等方面的挑战，才能充分实现其潜力。

### 9 结论

干豆的罐装品质受到遗传、生物化学和技术因素的复杂相互作用的影响，这些因素共同决定了质地、外观、营养价值和消费者接受度。加工技术的进步，特别是优化后的浸泡、焯水和高压灭菌工艺，提高了产品的一致性和安全性，同时减少了难以烹饪的豆子、裂开的豆皮以及颜色或硬度的缺陷。同时，现代育种计划继续培育出种子完整性更强、水分保持能力更好、更能抵抗工业罐装过程中机械和热应力的品种。人工智能的最新创新正在改变质量评估和品种开发方式。机器学习和深度学习模型现在能够快速预测关键性状，自动化种子和品种分类，并利用大规模的基因组和表型数据集加速选择决策。集成学习和基因组预测方法进一步使育种者能够利用多环境试验数据，提高性状估计的可靠性并加速遗传进展。这些进展凸显了向数据驱动的、综合策略转型的趋势，以提升豆类罐装性能。加工科学家、育种者和人工智能研究人员之间的持续合作对于开发满足全球对高质量、营养丰富罐装豆类需求的品种和技术至关重要。

### 资金支持

该项目部分由安大略省豆类种植者协会（OBG；056853）和安大略省农业研究与创新组织（ARIO-IBRP-2025-103064）资助。这些资助机构没有参与研究的设计、数据收集与分析或手稿撰写工作。

### 作者贡献

Arash Ghaitaranpour：研究、方法论制定、写作 - 审稿和编辑、初稿撰写、概念构思。Biniam Kebede：写作 - 审稿和编辑。Mohsen Yoosefzadeh-Najafabadi：概念构思、方法论制定、研究指导、资金获取、项目管理、资源协调、初稿撰写、审稿和编辑。

### 伦理声明

作者声明没有利益冲突。

### 数据可用性声明

由于本研究未创建或分析任何数据集，因此不涉及数据共享问题。