编辑推荐：
糯米干燥过程的高效监测对粮食生产意义重大。研究人员针对传统监测方法的不足，开展了利用可见 - 近红外高光谱成像（HSI）结合计算智能监测糯米干燥过程的研究。结果显示该方法能有效预测糯米水分含量（MC）等指标，为粮食加工提供了新途径。
在粮食生产领域，糯米作为一种重要的粮食作物，在亚洲饮食中占据着重要地位。它常被用于制作各种美食，如米酒、糕点、饺子等。然而，新鲜收获的糯米通常含有较高的水分，这不仅会影响其储存期限，还可能导致在后续加工过程中出现质量问题，例如发霉变质等。传统的糯米干燥过程监测方法，像重量分析法、卡尔费休滴定法以及标准烘箱干燥法等，虽然在一定程度上能够准确测定水分含量，但这些方法存在明显的缺陷，不仅操作繁琐、耗时费力，而且属于破坏性检测，不适用于大规模的快速检测需求。在对糯米外观的检测方面，传统使用的比色计也面临诸多挑战，由于糯米表面并非平整，使用比色计检测时需要反复测量，效率较低，且检测结果容易受到样本形状的影响，存在一定的不确定性。
为了解决这些问题，来自国外的研究人员开展了一项关于利用可见 - 近红外高光谱成像（HSI）技术结合计算智能，对糯米干燥过程进行快速无损监测的研究。该研究成果发表在《Applied Food Research》上，为糯米干燥过程的监测提供了新的思路和方法，具有重要的实践意义。
研究人员采用了一系列关键技术方法来开展此项研究。首先，在样本处理上，从马来西亚当地供应商获取新鲜糯米样本，经过清理后储存于特定条件下。在干燥实验中，使用热空气箱干燥机对糯米进行干燥处理，在不同温度和厚度条件下进行多组实验，并定时采集样本。其次，利用 HSI 系统获取糯米的光谱数据，其光谱范围为 450 - 998nm，通过白参考和黑参考图像校准，选取合适的感兴趣区域（ROI）获取平均光谱数据。然后，运用多种光谱预处理方法，如移动窗口平滑（MWS）、乘法散射校正（MSC）、标准正态变量变换（SNV）、Savitzky - Golay 一阶导数（SG1D）等，对原始光谱数据进行处理，以减少噪声和无关信息。同时，使用竞争自适应重加权采样（CARS）、随机蛙跳（RF）等算法进行有效波长选择，降低数据维度。最后，采用偏最小二乘回归（PLSR）、支持向量机（SVM）、高斯过程回归（GPR）、人工神经网络（ANN）等计算智能模型对糯米的质量指标进行预测。
在研究结果部分：
- 水分含量（MC）变化：研究发现，在整个干燥过程中，糯米的 MC 随时间持续下降。不同的干燥温度和层厚度对水分去除速度有显著影响，温度升高和层厚度减小会加快水分去除速度。例如，在 70°C 和 15mm 层厚度条件下，3 小时后的 MC 最低，为 8.89%；而在 50°C 和 45mm 层厚度时，MC 最高，达到 21.01%。
- 外观指标变化：糯米在干燥过程中，颜色变化（ΔE）和金色指数（GI）也发生了显著变化。GI 随干燥时间不断降低，而 ΔE 则逐渐增加。并且，ΔE 随温度升高而增加，随层厚度减小而减小；GI 则随层厚度增加而增加，随温度降低而降低。
- 数据处理与模型性能：通过蒙特卡罗 - 偏最小二乘法识别并去除数据中的异常值后，模型的准确性得到显著提高。在光谱预处理方法中，SG1D 表现最佳，能有效提高模型预测糯米 MC、ΔE 和 GI 的准确性。不同的计算智能模型在预测不同指标时各有优势，综合比较，SG1D - IRIV - GPR、SG1D - VCPA - GPR 和 SG1D - VISSA - GPR 分别在预测 MC、ΔE 和 GI 方面表现最为出色，预测准确率（RP2）均≥99.99%。
- 有效特征选择：运用多种算法进行有效波长选择后，各算法都能显著减少波长数量，提高模型效率。例如，CARS 算法为 MC、ΔE 和 GI 分别选择了 52、49 和 45 个有效波长，大幅降低了数据维度。
- 模型准确性比较：通过比较不同模型在不同有效波长选择技术下的性能，发现对于线性模型（PLSR），SG1D - CARS - PLSR 在预测 MC 和 ΔE 方面表现最佳；对于非线性模型，SG1D - IRIV - GPR、SG1D - VCPA - GPR 和 SG1D - VISSA - GPR 分别在预测 MC、ΔE 和 GI 方面具有最高的准确性。
- 空间可视化：利用 HSI 数据绘制的糯米质量分布地图，能够直观展示糯米在干燥过程中质量指标的空间分布情况，进一步验证了模型的可靠性和准确性。
在研究结论和讨论部分，该研究成功地展示了可见 - 近红外高光谱成像技术结合计算智能在监测糯米干燥过程中的有效性。通过对多种预处理方法、有效波长选择技术和计算智能模型的综合评估，确定了最佳的处理序列和模型，为糯米干燥过程的实时、快速、无损监测提供了有力的技术支持。这一研究成果有助于粮食加工行业更精准地控制糯米干燥过程，有效减少因过度干燥或干燥不足导致的粮食损失，提高生产效率和产品质量，对推动粮食加工行业的智能化发展具有重要意义。
