zhpsЖурнал прикладной спектроскопииZhurnal Prikladnoii Spektroskopii0514-7506B. I. Stepanov Institute of Physics of the National Academy of Scienceszhps-330Research Article******ОПРЕДЕЛЕНИЕ И ВИЗУАЛИЗАЦИЯ СОДЕРЖАНИЯ ДЕОКСИНИВАЛЕНОЛА В ОБЪЕМЕ ПШЕНИЧНЫХ ЗЕРЕН С ПОМОЩЬЮ ГИПЕРСПЕКТРАЛЬНОЙ ВИЗУАЛИЗАЦИИDETERMINATION AND VISUALIZATION OF DIFFERENT LEVELS OF DEOXYNIVALENOL IN BULK WHEAT KERNELS BY HYPERSPECTRAL IMAGINGLiangK. .LiangK. .noemail@neicon.ruLiuQ. X.LiuQ. X.noemail@neicon.ruXuJ. H.XuJ. H.noemail@neicon.ruWangY. Q.WangY. Q.noemail@neicon.ruOkindaC. S.OkindaC. S.noemail@neicon.ruShenM. X.ShenM. X.noemail@neicon.ruТехнический колледж, Аграрный университет Нанкина; Инженерно-техническая лаборатория современных средств аграрной технологии и оборудования провинции ЦзянсуCollege of Engineering, Nanjing Agricultural University; Jiangsu Province Engineering Laboratory of Modern Facility Agriculture Technology and EquipmentТехнический колледж, Аграрный университет НанкинаCollege of Engineering, Nanjing Agricultural UniversityАкадемия аграрных наук ЦзянсуJiandsu Academy of Agricultural Sciences201810032020855851(1)-851(9)Copyright © Liang K..., Liu Q.X., Xu J.H., Wang Y.Q., Okinda C.S., Shen M.X., 20202020Liang K..., Liu Q.X., Xu J.H., Wang Y.Q., Okinda C.S., Shen M.X.Liang K..., Liu Q.X., Xu J.H., Wang Y.Q., Okinda C.S., Shen M.X.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://zhps.ejournal.by/jour/article/view/330

Предложена система гиперспектральной визуализации как метод быстрого и неразрушающего контроля содержания микотоксина деоксиниваленола (DON) в пшеничных зернах, инфицированных фузариозом колоса. При предварительной обработке спектральных данных использованы преобразование стандартного отклонения случайной величины с нормальным распределением и мультипликативная поправка на разброс (MSC). Для выбора оптических длин волн использованы алгоритм последовательных проекций (SPA) и алгоритм прыгающих лягушек. Метод опорных векторов (SVM) и 851-2 дискриминационный анализ частными наименьшими квадратами применены при создании различных моделей для определения содержания DON. Сравнение полученных данных показало, что модель MSC-SPA-SVM с самой высокой классификационной точностью (100.00 % для обучающего теста и 97.92 % для проверочного набора) обладает наилучшими характеристиками. Эта модель использована для визуализации пространственного распределения уровня содержания DON.

A hyperspectral imaging system is proposed as a method to rapidly and non-destructively predict mycotoxin deoxynivalenol (DON) levels in FHB-infected wheat kernels. Standard normal variate transformation and multiplicative scatter correction (MSC) were used in spectral preprocessing. The successive projections algorithm (SPA) and random frog algorithm were used to select the optical wavelengths. Finally, the support vector machine (SVM) technique and partial least squares discriminant analysis were applied to establish different models for determining DON levels. Based on a comparison of the results, the MSC-SPA-SVM model, with the highest classification accuracy (100.00% for the training test and 97.92% for the testing set), gave the best performance, and a visualization map of the DON content level based on this model was created.

гиперспектральное изображениеобъем пшеничных зеренсодержание деоксиниваленолавыбор оптических длин волнклассификационная модельвизуализация пространственного распределенияhyperspectral imagingbulk wheat kernelsdeoxynivalenol contentoptical wavelength selectionclassification modelvisualization mapReferenceshttp://www.dagz.boku.ac.at/fileadmin/data/H03000/H94000/pdf/Mycotoxin_regulations/ SCF_DON_opinion.pdf Retrieved 3-17-2017.http://www.dagz.boku.ac.at/fileadmin/data/H03000/H94000/pdf/Mycotoxin_regulations/ SCF_DON_opinion.pdf Retrieved 3-17-2017.S. Simsek, K. Burgess, K. L. Whitney, Y. Gu, S.Y. Qian, Food Control, 2, 287-292 (2012).S. Simsek, K. Burgess, K. L. Whitney, Y. Gu, S.Y. Qian, Food Control, 2, 287-292 (2012).L. Smeesters, W. Meulebroeck, S. Raeymaekers, H. Thienpont, Food Control, 70, 48-57 (2016).L. Smeesters, W. Meulebroeck, S. Raeymaekers, H. Thienpont, Food Control, 70, 48-57 (2016).J. G. A. Barbedo, C. S.Tibola, J. M. C. Fernandes, Biosyst. Eng., 131, 65-76 (2015).J. G. A. Barbedo, C. S.Tibola, J. M. C. Fernandes, Biosyst. Eng., 131, 65-76 (2015).J. J. Pestka, Anim. Breed. Feed, 3, 283-298 (2008).J. J. Pestka, Anim. Breed. Feed, 3, 283-298 (2008).A. Abysique, C. Tardivel, J. D. Troadec, B. Félix, PLoS One, 7, e133355 (2015).A. Abysique, C. Tardivel, J. D. Troadec, B. Félix, PLoS One, 7, e133355 (2015).M. Beyer, F. Pogoda, F. K. Ronellenfitsch, L. Hoffmann, T. Udelhoven, Int. J. Food Microbiol., 3, 370-374 (2010).M. Beyer, F. Pogoda, F. K. Ronellenfitsch, L. Hoffmann, T. Udelhoven, Int. J. Food Microbiol., 3, 370-374 (2010).C. Maragos, M. Busman, Y. Sugita-Konishi, Food Addit. Contam., 8, 816-825 (2006). 851-9C. Maragos, M. Busman, Y. Sugita-Konishi, Food Addit. Contam., 8, 816-825 (2006). 851-9A. B. Amar, S. Oueslati, A. Ghorbel, A. Mliki, Food Control, 2, 506-510 (2012).A. B. Amar, S. Oueslati, A. Ghorbel, A. Mliki, Food Control, 2, 506-510 (2012).M. S. Hamada, Y. N. Yin, Z. Ma, Cereal Res. Commun., 1, 85-94 (2012).M. S. Hamada, Y. N. Yin, Z. Ma, Cereal Res. Commun., 1, 85-94 (2012).B. Jaillais, P. Roumet, L. Pinson-Gadais, D. Bertrand, Food Control, 54, 250-258 (2015).B. Jaillais, P. Roumet, L. Pinson-Gadais, D. Bertrand, Food Control, 54, 250-258 (2015).H. Pettersson, L. Åberg, Food Control, 4, 229-232 (2003).H. Pettersson, L. Åberg, Food Control, 4, 229-232 (2003).H. Cen, R. Lu, Q. Zhu, F. Mendoza, Postharvest Biol. Technol., 111, 352-361 (2016).H. Cen, R. Lu, Q. Zhu, F. Mendoza, Postharvest Biol. Technol., 111, 352-361 (2016).M. A. Shahin, S. J. Symons, Comput. Electron. Agric., 1, 107-112 (2011).M. A. Shahin, S. J. Symons, Comput. Electron. Agric., 1, 107-112 (2011).M. C. U. Araújo, T. C. B. Saldanha, R. K. H. Galvão, T. Yoneyama, H. C. Chame, V. Visani, Chemom. Intell. Lab. Syst., 2, 65-73 (2001).M. C. U. Araújo, T. C. B. Saldanha, R. K. H. Galvão, T. Yoneyama, H. C. Chame, V. Visani, Chemom. Intell. Lab. Syst., 2, 65-73 (2001).H. Ma, H. Y. Ji, W. S. Lee, Spectrosc. Spectr. Anal., 36, No. 7, 2344-2350 (2017).H. Ma, H. Y. Ji, W. S. Lee, Spectrosc. Spectr. Anal., 36, No. 7, 2344-2350 (2017).W. Luo, Y. Z. Du, H. L. Zhang, Spectrosc. Spectr. Anal., 33, No. 11, 3536-3541 (2016).W. Luo, Y. Z. Du, H. L. Zhang, Spectrosc. Spectr. Anal., 33, No. 11, 3536-3541 (2016).Y. Yuan, W. Wang, X. Chu, M. J. Xi, Spectrosc. Spectr. Anal., 36, No. 1, 226-230 (2016).Y. Yuan, W. Wang, X. Chu, M. J. Xi, Spectrosc. Spectr. Anal., 36, No. 1, 226-230 (2016).H. D. Li, Q. S. Xu, Y. Z. Liang, Anal. Chim. Acta, 740, 20-26 (2012).H. D. Li, Q. S. Xu, Y. Z. Liang, Anal. Chim. Acta, 740, 20-26 (2012).P. J. Green, Biometrika, 4, 711-732 (1995).P. J. Green, Biometrika, 4, 711-732 (1995).M. H. Hu, Q. L. Dong, B. L. Liu, U. L.Opara, L. Chen, Postharvest Biol. Technol., 106, 1-10 (2015).M. H. Hu, Q. L. Dong, B. L. Liu, U. L.Opara, L. Chen, Postharvest Biol. Technol., 106, 1-10 (2015).X. Li, C. Sun, L. Luo, Y. He, Comput. Electron. Agric., 112, 28-35 (2015).X. Li, C. Sun, L. Luo, Y. He, Comput. Electron. Agric., 112, 28-35 (2015).S. Wold, M. Sjostrom, L. Eriksson, Chemom. Intell. Lab. Syst., 58, No. 2, 109-130 (2001).S. Wold, M. Sjostrom, L. Eriksson, Chemom. Intell. Lab. Syst., 58, No. 2, 109-130 (2001).M. Barker, W. Rayens, J. Chemom., 17, 166-173 (2003).M. Barker, W. Rayens, J. Chemom., 17, 166-173 (2003).V. N. Vapnik, A. Lerner, Autom. Rem. Contr., 6, 774-780 (2008).V. N. Vapnik, A. Lerner, Autom. Rem. Contr., 6, 774-780 (2008).W. Wang, Z. Xu, W. Lu, X. Zhang, Neurocomputing, 3-4, 643-663 (2003).W. Wang, Z. Xu, W. Lu, X. Zhang, Neurocomputing, 3-4, 643-663 (2003).H. Lin, Q. Chen, J. Zhao, P. Zhou, J. Pharma. Biomed., 5, 803-808 (2009).H. Lin, Q. Chen, J. Zhao, P. Zhou, J. Pharma. Biomed., 5, 803-808 (2009).Q. Yang, D. W. Sun, W. W. Cheng, J. Food Eng., 192, 53-60 (2017).Q. Yang, D. W. Sun, W. W. Cheng, J. Food Eng., 192, 53-60 (2017).J. H. Cheng, D. W. Sun, LWT-Food Sci. Technol., 2, 892-898 (2015).J. H. Cheng, D. W. Sun, LWT-Food Sci. Technol., 2, 892-898 (2015).G. Elmasry, D. W. Sun, P. Allen, Food Res. Int., 9, 2624-2633 (2011).G. Elmasry, D. W. Sun, P. Allen, Food Res. Int., 9, 2624-2633 (2011).

The authors declare that there are no conflicts of interest present.