《Food Science & Nutrition》：Detection of Frost-Damaged Maize Kernels for Food Quality Screening Using Hyperspectral Imaging and 2D-COS-Assisted Deep Learning
编辑推荐：
玉米是一种重要的谷类作物，易受零下温度胁迫，导致籽粒发生理化损伤，进而影响其加工品质和食品价值。传统分析方法具有破坏性、劳动密集且无法满足食品供应链中快速高通量质量筛选的需求。研究人员建立了一种结合高光谱成像（hyperspectral imaging，HSI
玉米是一种重要的谷类作物，易受零下温度胁迫，导致籽粒发生理化损伤，进而影响其加工品质和食品价值。传统分析方法具有破坏性、劳动密集且无法满足食品供应链中快速高通量质量筛选的需求。研究人员建立了一种结合高光谱成像（hyperspectral imaging，HSI，900–1700?nm）和深度学习的无损检测方法，用于识别霜冻损伤玉米籽粒。多元散射校正（multiple scattering correction，MSC）被验证为最优光谱预处理方法，可提高光谱稳定性和分类性能。在特征提取方面，二维相关光谱（two-dimensional correlation spectroscopy，2D-COS）通过解析重叠且微弱的光谱响应，有效增强了霜冻诱导的光谱变化，优于竞争自适应重加权采样（competitive adaptive reweighted sampling，CARS）和变量组合总体分析–迭代保留信息变量（variable combination population analysis–iteratively retaining informative variables，VCPA-IRIV），并提取了432个与霜冻损伤相关的特征波段。所构建的2D-COS-CNN模型预测准确率达0.9700，召回率达0.9647，校正集准确率为0.9967，显示出优异的分类能力和可靠的泛化性能。将2D-COS特征增强与CNN非线性判别相结合，为快速无损识别霜冻损伤玉米籽粒提供了有效策略，也为食品供应链中的谷物品质评价、损伤程度分选和加工适宜性评估提供了可靠的分析工具。
玉米是全球重要的谷类作物，但采后零下温度胁迫会引发籽粒不可逆的理化损伤，包括膜脂过氧化、淀粉老化回生和蛋白质变性，进而降低加工品质、营养
