安徽科技學(xué)院學(xué)報(bào),2024,38(2):46-52

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2023-11-20

基金項(xiàng)目:安徽省重點(diǎn)研究與開(kāi)發(fā)計(jì)劃項(xiàng)目(202004a06020003);安徽省自然科學(xué)基金面上項(xiàng)目(2108085MC107);安徽省大學(xué)生創(chuàng)新

創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目(S202310879207)。

作者簡(jiǎn)介:花月(2000-),女,安徽滁州人,碩士研究生,主要從事微生物與植物互作研究,E-mail:15056549341@163.com。

通信作者:周成,教授,E-mail:zhoucheng@njau.edu.cn。

銅陵白姜莖基腐的病原鑒定及其噬菌體的分離純化

花 月1, 汪菁森2, 周 成2,3*

(1.安徽科技學(xué)院 農(nóng)學(xué)院,安徽 鳳陽(yáng) 233100;

2.安徽科技學(xué)院 生命與健康科學(xué)學(xué)院,安徽 鳳陽(yáng) 233100;

3.南京農(nóng)業(yè)大學(xué) 資源與環(huán)境科學(xué)學(xué)院,江蘇 南京 210095)

摘 要:目的:鑒定導(dǎo)致銅陵白姜莖基腐病的病原菌科貝腸桿菌(Enterobacterkobei)及其相應(yīng)的噬菌體,

為防治銅陵白姜莖基腐提供科學(xué)依據(jù)。方法:選用發(fā)病的銅陵白姜姜塊組織作為試驗(yàn)材料,使用 TTC和

LB培養(yǎng)基從銅陵白姜腐爛的姜塊中分離出科貝腸桿菌SJ16菌株,同時(shí)通過(guò)半固體培養(yǎng)基從根際土壤中

分離得到噬菌體 KB-P2。使用2種感染方法(根莖接種法和姜切片接種法),評(píng)定該菌株對(duì)銅陵白姜的致

病性;并利用注射法測(cè)定噬菌體的防控效果。結(jié)果:共分離出103株細(xì)菌分離株,經(jīng)LB培養(yǎng)基篩選得到

10株菌株,其中SJ16菌株經(jīng)鑒定為科貝腸桿菌(E.kobei)。病原侵染試驗(yàn)表明,該菌株是導(dǎo)致銅陵白姜

枯萎的致病菌,并會(huì)在后期引起銅陵白姜根莖腐爛。此外,分離純化得到3種科貝腸桿菌噬菌體,通過(guò)雙

層平板培養(yǎng)方法篩選出裂解能力最強(qiáng)的 KB-P2噬菌體。同時(shí),噬菌體接種試驗(yàn)也進(jìn)一步顯示,KB-P2噬

菌體具有良好的防控效果。結(jié)論:科貝腸桿菌 SJ16菌株是一種導(dǎo)致銅陵白姜莖基腐的新病原菌,而

KB-P2噬菌體能夠有效降低銅陵白姜莖基腐的發(fā)病率。該研究為進(jìn)一步探討銅陵白姜莖基腐的防治提

供了重要依據(jù)。

關(guān)鍵詞:銅陵白姜;病原鑒定;莖基腐;科貝腸桿菌;噬菌體

中圖分類(lèi)號(hào):S632 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0046-07

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0207

Identificationofpathogenandisolationandpurificationofphage

fromstembaserotofTonglingwhiteginger

HUAYue1, WANGJingsen2, ZHOUCheng

2,3*

(1.CollegeofAgriculture,AnhuiScienceandTechnologyUniversity,Fengyang233100,China;

2.CollegeofLifeandHealthSciences,AnhuiScienceandTechnologyUniversity,Fengyang233100,China;

3.CollegeofResourcesandEnvironmentalSciences,NanjingAgriculturalUniversity,Nanjing210095,China)

Abstract:Objective:Toidentifythepathogen (Enterobacterkobei)ofthestembaserotofTongling

whitegingeranditscorrespondingbacteriophage,andtoprovidescientificbasisforthepreventionand

controlofstembaserotofTonglingwhiteginger.Methods:E.kobeiSJ16wasisolatedfromdiseased

tissuesofTonglingwhitegingerusingbothTTCandLBmedium,andbacteriophageKB-P2wasisolated

fromrhizospheresoilusingsemi-solid medium.ThepathogenicityofthisstraintoTongling white

gingerwasevaluatedbytwoinfectionmethods(rhizomeinoculationandgingersliceinoculation).The

controleffectofbacteriophage was measuredusingtheinjection method.Results:Atotalof103

bacterialisolateswereisolatedand10strainswereobtainedbyLBmediumscreening,amongwhichSJ16

wasidentifiedasE.kobei.Infectionexperimentshowedthatthestrainwasthepathogenthatcausedthe

blightofTongling whiteginger,andcouldcauserootrotinthelaterstage.Inaddition,three

bacteriophagesofE.kobei wereisolatedandpurified,andKB-P2bacteriophagewiththestrongest

cleavageabilitywasscreenedbydouble-layerplateculturemethod.Theinfectionexperimentshowed

thatthebacteriophageKB-P2hadgreatercontroleffect.Conclusion:SJ16wasonenewpathogencausing

stembaserotofTonglingwhiteginger,whileKB-P2couldeffectivelyreducetheincidenceofstemrotof

Tonglingwhiteginger.Therefore,thisstudyprovidedanimportantbasisforfurtherresearchonthe

preventionandcontrolofstemrotofTonglingwhiteginger.

Keywords:Tonglingwhiteginger;Pathogenidentification;Stemrot;Enterobacterkobei;Bacteriophage

銅陵白姜(Zingiberofficinale)是銅陵地區(qū)歷史悠久的特色農(nóng)產(chǎn)品,2009年被國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫

總局授予地理標(biāo)志保護(hù)產(chǎn)品[1]。銅陵白姜核心產(chǎn)區(qū)種植面積約為400hm2,年總產(chǎn)量超10000t,綜合產(chǎn)

值約10億元。近年來(lái)該區(qū)姜瘟病的發(fā)生日益嚴(yán)重,連作田發(fā)病率達(dá)50%以上,重病田甚至絕收,已經(jīng)嚴(yán)

重阻礙了當(dāng)?shù)厣a(chǎn)業(yè)的可持續(xù)發(fā)展[2]。生姜青枯病,因其發(fā)病快、死亡率高、無(wú)有效防治手段,是生姜的

一種毀滅性疾病所以俗稱(chēng)姜瘟病[3-4]。由青枯雷爾氏菌(Ralstoniasolanacearum,簡(jiǎn)稱(chēng)青枯菌)侵染造成

的細(xì)菌性青枯病是世界性重要病害之一,該菌可侵染54個(gè)科的450多種植物[5]。陰溝腸桿菌也會(huì)引起生

姜的根腐病且與由青枯菌引起的生姜青枯病癥狀相似[6]。陰溝腸桿菌復(fù)合體(ECC)由多個(gè)物種組成,即

陰溝腸桿菌、霍氏腸桿菌、羅根腸桿菌和科貝腸桿菌[7]。因此,迫切需要更為有效的方法來(lái)控制植物病原

體,以維護(hù)和提高作物產(chǎn)量,確保未來(lái)的糧食安全。生物防治,使用細(xì)菌接種物來(lái)改變植物根際微生物群

的組成,已被提議作為消滅病原體的殺蟲(chóng)劑的替代品[8-10]。使用植物病原菌特異性病毒的噬菌體療法可

以提供一種更有效的方法來(lái)控制根際微生物群,以保護(hù)植物免受疾病的侵害[11-12]。有關(guān)安徽銅陵白姜與

青枯菌的研究進(jìn)行了多年,但未見(jiàn)對(duì)陰溝腸桿菌的研究。為了明確銅陵白姜莖基腐病原菌及相關(guān)特性,遂

對(duì)其進(jìn)行了病原菌的鑒定及其噬菌體的分離純化,以期為進(jìn)一步有效防控銅陵白姜莖基腐提供理論參考。

1 材料與方法

1.1 供試材料

于2022年9月在安徽省銅陵市義安區(qū)天門(mén)鎮(zhèn)天門(mén)村白姜園內(nèi)隨機(jī)采集20株感病植株,開(kāi)展病菌及

其噬菌體分離純化。用于致病性測(cè)定的健康植株為盆栽苗。培養(yǎng)條件:溫度為30 ℃、光照10h黑暗

14h、相對(duì)濕度保持在85%。

1.2 試劑與儀器

2×RapidTaqMasterMixDNAPolymerase(南京擎科生物科技有限公司);50×TAEBuffer(南京

擎科生物科技有限公司);瓊脂糖,DNA Marker(南京擎科生物科技有限公司);HCl,NaOH(AR,國(guó)藥集

團(tuán)化學(xué)試劑有限公司)。

SW-CJ-1BU超凈工作臺(tái)(蘇州凈化設(shè)備有限公司);PHM-70智能全自動(dòng)高壓蒸汽滅菌器(致微儀器

有限公司);PWT-P150B電熱恒溫培養(yǎng)箱(合肥達(dá)斯卡特生物科技有限公司);PCR儀(伯樂(lè)生命醫(yī)學(xué)產(chǎn)品

(上海)有限公司);DYY-6C電泳儀(北京六一生物科技有限公司);BX53M 光學(xué)顯微鏡(Olympus公司);

H-7650型透 射 電 鏡 (日 本 日 立 公 司);UV-6100 型 紫 外 分 光 光 度 計(jì) (上 海 元 析 儀 器 有 限 公 司);

第38卷第2期 花 月,等:銅陵白姜莖基腐的病原鑒定及其噬菌體的分離純化 47

RGD-1000D3型LED頂置冷光源人工氣候箱(合肥右科儀器設(shè)備有限公司)。

1.3 試驗(yàn)方法

1.3.1 病原菌的分離與鑒定 病原菌的分離:采用常規(guī)組織分離法[13]將采集的樣品用自來(lái)水輕微沖洗

3次,置于75%乙醇中浸泡5min,用無(wú)菌水沖洗3~5次。再用5.4% NaClO溶液浸泡5min對(duì)表面進(jìn)

行消毒,用無(wú)菌水漂洗3次。使用無(wú)菌手術(shù)刀剖開(kāi)根莖,在根莖結(jié)合處取0.4cm×0.4cm的樣品,將其放

入無(wú)菌研缽中。加入5mL無(wú)菌水,研磨成漿后取組織液100μL均勻涂布在LB平板上,28℃下培養(yǎng)待

長(zhǎng)出單菌落。挑取單菌落至新的LB培養(yǎng)基,獲取純培養(yǎng)液,將純培養(yǎng)菌液與60%甘油混合后,存放于超

低溫冰箱中(-80 ℃)備用。噬菌體的分離:稱(chēng)取30g發(fā)病姜塊的根際土至已滅菌的三角瓶中,加入

70mL無(wú)菌水充分混合后放入搖床,在30 ℃、170r/min的條件下振蕩培養(yǎng)12h。隨后靜置5h,于

12000r/min離心10min,通過(guò)0.22μm水系濾膜過(guò)濾獲取無(wú)菌懸液。取5mL懸液接種至科貝腸桿菌

(OD600 為0.5)中,在30℃、170r/min條件下富集培養(yǎng)12h。富集后的懸液再次于12000r/min離心

10min,并取上清液過(guò)濾,最終得到噬菌體原液。取500μL過(guò)濾后的噬菌體原液加入等體積對(duì)數(shù)期宿主

菌液,混勻后28℃下靜置15min使噬菌體吸附宿主菌[14]。隨后與3mL冷卻至50℃的LB半固體培養(yǎng)

基混勻,立即倒入固體培養(yǎng)基平板上,轉(zhuǎn)動(dòng)使其均勻,待上層凝固,將制備的雙層板置于28℃下12h,待長(zhǎng)

出噬菌斑。挑取噬菌斑置于新的宿主菌液(OD600 為0.5)中。重復(fù)上述操作3~5次,將獲得的純噬菌體

原液與宿主菌液混勻,靜置15min使其吸附宿主菌后置于冰箱中(4℃)保存?zhèn)溆谩?/p>

1.3.2 病原菌及其噬菌體形態(tài)觀察 病原菌的形態(tài)觀察:分離的菌株采用劃線(xiàn)法分別接種在LB和TTC

平板上,置于28℃恒溫培養(yǎng)箱中過(guò)夜。觀察細(xì)菌在平板上的生長(zhǎng)情況及菌落形態(tài)。用普通光學(xué)顯微鏡觀

察菌體大小、形態(tài)和著色情況[15-16]。噬菌體的形態(tài)觀察:將分離出的純噬菌體原液制備成雙層板,放入

28℃恒溫培養(yǎng)箱中培養(yǎng)12h,觀察噬菌體在平板上的生長(zhǎng)及其噬菌斑形態(tài)。

1.4 致病性測(cè)定

1.4.1 莖基部接種法 將病原菌接種于LB液體培養(yǎng)基中,搖床培養(yǎng)12h(28℃,180r/min),將在溫室中

生長(zhǎng)至8~10葉的銅陵白姜植株從盆中取出,用清水充分沖洗莖基部。通過(guò)注射器吸取約109 CFU/mL

(15μL/接種部位)的SJ16細(xì)菌懸浮液(OD600 為1.0)進(jìn)行穿刺制造傷口[17-18],同時(shí)以青枯菌為陽(yáng)性對(duì)照,

以無(wú)菌水為陰性對(duì)照。每個(gè)處理3株,重復(fù)2次。處理后的植株立即種回花盆中,并放置于人工氣候箱培

養(yǎng)8~12d。

1.4.2 姜切片接種法 將根狀莖在自來(lái)水中洗滌,晾干水分,用火焰消毒手術(shù)刀將生姜橫截成約3mm

厚的切片(橫截長(zhǎng)度至少2cm)[19]。將切片平鋪在用無(wú)菌水潤(rùn)濕的培養(yǎng)皿(直徑90mm)中的濾紙上,用

移液槍吸取約109CFU/mL(100μL/接種部位)腸桿菌懸浮液(OD600 為1.0)接種到每個(gè)切片的中心,同

時(shí)以青枯菌為陽(yáng)性對(duì)照,以無(wú)菌水為陰性對(duì)照。每個(gè)處理4個(gè)姜片,重復(fù)2次。處理后的姜片培養(yǎng)皿置于

電熱恒溫培養(yǎng)箱(溫度28℃)培養(yǎng)8~12d。

1.5 噬菌體防控生姜莖基腐的效果檢測(cè)

采用注射法,將溫室中生長(zhǎng)至10~12片葉的生姜植株接種SJ16細(xì)菌懸浮液(濃度約為1×108CFU/mL),

7d后在植株的莖基部用注射器注射10μL噬菌體原液(108 CFU/mL)[20],同時(shí)以科貝腸桿菌為陽(yáng)性對(duì)

照,以無(wú)菌水為陰性對(duì)照。共3個(gè)處理,每處理2個(gè)重復(fù),每個(gè)重復(fù)3株生姜苗。處理后的植株立即種植

于花盆中,置于人工氣候箱培養(yǎng)12~14d。

1.6 分子生物學(xué)鑒定

菌株基因組DNA提取參照馮林[21]的方法,提取的DNA立即用于PCR試驗(yàn)或-20℃下保存。采用

Hsp60

[22]引物Hsp60-F和Hsp60-R對(duì)細(xì)菌進(jìn)行PCR擴(kuò)增檢測(cè),確定上述菌株是否能產(chǎn)生條帶,通過(guò)測(cè)

序在科屬水平上對(duì)病原菌加以確認(rèn)。

取5μLPCR產(chǎn)物在1%瓊脂凝膠上檢測(cè),若觀察到條帶清晰明亮、無(wú)雜帶,且條帶所顯示的分子量與

預(yù)期一致,則PCR 產(chǎn)物合格。將測(cè)序結(jié)果與 NCBI進(jìn)行同源性比對(duì),將獲取相關(guān)物種的序列,使用

MEGA11軟件,通過(guò)對(duì)比分析基于鄰接法(Neighbor-JoiningMethod)構(gòu)建分離菌株的系統(tǒng)發(fā)育樹(shù)bootstrap檢驗(yàn)值為1000重復(fù)抽樣檢驗(yàn)。

48 安徽科技學(xué)院學(xué)報(bào) 2024年

2 結(jié)果與分析

2.1 田間癥狀

2022年8月在安徽省銅陵市義安區(qū)白姜園部分發(fā)現(xiàn)田塊大面積倒伏、腐爛植株(圖1B)。感染初期,

植株呈現(xiàn)葉片褪綠的癥狀,葉尖和葉緣先出現(xiàn)黃化,隨后逐漸出現(xiàn)萎縮、卷曲并呈下垂?fàn)顟B(tài)(圖1C),病情逐步

擴(kuò)散,從葉片基部向上蔓延,最終導(dǎo)致整株植株死亡。植株莖基逐漸軟化,維管束呈現(xiàn)褐色水漬狀,擠壓時(shí)可

見(jiàn)白色菌膿流出。姜塊也受到感染,呈現(xiàn)為變軟和維管束褐化的特征(圖1D)。

圖1 銅陵白姜田間發(fā)病癥狀

Fig.1 DiseasesymptomsofTonglingwhitegingerinthefield

注:A為田間銅陵白姜健康植株;B為田間銅陵白姜發(fā)病植株;C為發(fā)病銅陵白姜的地上部分;D為發(fā)病銅陵白姜的地下部分。

2.2 病原菌及其噬菌體形態(tài)鑒定

2.2.1 病原菌 對(duì)采自銅陵市義安區(qū)白姜園感病根莖進(jìn)行病原菌分離,獲得菌落形態(tài)較為一致的分離

株,從中隨機(jī)挑取10個(gè)菌落,編號(hào)為SJ9-SJ18,經(jīng) Hsp60 測(cè)序初步鑒定為同種細(xì)菌,挑取代表性菌落

SJ16進(jìn)行后續(xù)研究。通過(guò)劃線(xiàn)法觀察到該菌落在LB平板呈規(guī)則圓形、平滑均勻、表面光滑、乳白色、凸起

(圖2A)。在TTC平板上,菌落呈紅色、圓形、邊緣光滑、外圍一圈半透明(圖2B)。革蘭氏染色呈紅色,為

革蘭氏陰性菌。形態(tài)學(xué)觀察結(jié)果符合腸桿菌屬細(xì)菌特征。

2.2.2 噬菌體 對(duì)采自銅陵市義安區(qū)白姜園感病姜塊根際土壤進(jìn)行噬菌體的分離,獲得噬菌斑形態(tài)不一

致的分離株,從中挑取3個(gè)噬菌體(編號(hào)KB-P1、KB-P2、KB-P3),選擇裂解能力強(qiáng)且斑較大的KB-P2進(jìn)行

后續(xù)研究。通過(guò)制備雙層板觀察到該噬菌體在平板上呈規(guī)則圓形、表面光滑、凹陷的透明空斑(圖2C)。

圖2 菌株SJ16及噬菌體KB-P2的形態(tài)

Fig.2 MorphologyofSJ16andphageKB-P2

注:A為分離株在LB平板上的形態(tài)特征;B為分離株在TTC平板上的形態(tài)特征;C為噬菌體在半固體平板上的形態(tài)。

2.3 致病性測(cè)定

致病性測(cè)試結(jié)果如圖3所示。根莖接種法接種菌株3d,葉片邊緣開(kāi)始黃化;接種6d,整片葉黃化萎

蔫,莖基部可見(jiàn)干癟失綠;隨后病癥不斷加重,10d后植株莖稈完全枯死,根部萎縮、腐爛。用作陽(yáng)性對(duì)照

的青枯菌與上述癥狀基本一致,而陰性對(duì)照不發(fā)病。姜塊切片法接種菌株4d,姜塊開(kāi)始由白色轉(zhuǎn)為褐色;

接種7d,逐漸變軟,有黏液滲出;接種12d,完全腐爛。用作陽(yáng)性對(duì)照的青枯菌與上述癥狀基本一致;陰性

對(duì)照略微失水,但不發(fā)病。從以上處理的發(fā)病部位再次分離到病原菌,并根據(jù)形態(tài)學(xué)和Hsp60 進(jìn)行鑒定,

證實(shí)該病原菌與接種的菌株SJ16特征以及測(cè)序結(jié)果均一致,確定分離到的菌株SJ16為銅陵白姜根莖腐

爛病的致病菌。

2.4 噬菌體防控生姜莖基腐的效果檢測(cè)

噬菌體防控效果如圖4所示。注射法接種噬菌體10d后葉片邊緣開(kāi)始黃化,12d后有1株3片葉黃

第38卷第2期 花 月,等:銅陵白姜莖基腐的病原鑒定及其噬菌體的分離純化 49

圖3 菌株SJ16致病性測(cè)定

Fig.3 PathogenictestsofSJ16ongingerplants

注:A、D為陰性對(duì)照;B、E為接種菌株SJ16;C、F為接種青枯菌(R.solanacearum)。

化萎蔫。用作陽(yáng)性對(duì)照的腸桿菌6d后葉片邊緣開(kāi)始黃化;接種9d后,整片葉黃化萎蔫,莖基部可見(jiàn)干癟

失綠,隨后病癥不斷加重,12d后植株地上部枯死,根部萎縮、腐爛;而陰性對(duì)照沒(méi)有任何癥狀。

圖4 噬菌體KB-P2效果檢測(cè)

Fig.4 DetectionofphageKB-P2effect

注:A為陰性對(duì)照;B為接種噬菌體 KB-P2;C為接種科貝腸桿菌(Enterobacterkobei)。

2.5 病原菌菌株分子鑒定

2.5.1 Hsp60基因測(cè)序 對(duì)致病細(xì)菌Hsp60基因序列進(jìn)行擴(kuò)增(圖5),測(cè)序后獲得長(zhǎng)度為321bp的基因片

段,將其通過(guò)NCBI中BLAST比對(duì)后,發(fā)現(xiàn)被檢測(cè)菌的Hsp60基因序列與E.kobei相似性最高,達(dá)到100%。

圖5 Hsp60 基因PCR擴(kuò)增電泳圖

Fig.5 PCRamplificationelectrophoresisofHsp60

2.5.2 系統(tǒng)發(fā)育分析 基于 Neighbor-Joining(N-J)法,使用 MEGA11軟件構(gòu)建系統(tǒng)發(fā)育樹(shù)(圖6),并進(jìn)

50 安徽科技學(xué)院學(xué)報(bào) 2024年

行多位點(diǎn)序列分析;分析結(jié)果顯示,SJ16與E.kobei MN962921劃分為一類(lèi),表明供試菌株與E.kobei

親緣關(guān)系最近,由此推斷菌株SJ16與E.kobei為同一物種。

圖6 基于Hsp60 基因序列構(gòu)建的系統(tǒng)發(fā)育樹(shù)

Fig.6 PhylogenetictreebasedonHsp60genesequence

3 結(jié)論與討論

本研究對(duì)安徽省銅陵市義安區(qū)白姜種植區(qū)的姜瘟病病株進(jìn)行病原菌及其噬菌體分離,從腐爛根莖中

分離獲得代表性菌株SJ16,根據(jù)柯赫氏法則[23]進(jìn)行致病性測(cè)定,并通過(guò)形態(tài)學(xué)觀察、分子生物學(xué)鑒定,最

終確定引起田間銅陵白姜感病的病原菌為科貝腸桿菌(E.kobei)。這也是Liu等[6]從具有細(xì)菌性枯萎癥

狀的生姜根莖中分離得到病原菌E.cloacae后,國(guó)內(nèi)再次發(fā)現(xiàn)腸桿菌屬細(xì)菌侵染。另外,本研究還從根

際土壤中分離純化了1株病原科貝腸桿菌的噬菌體 KB-P2,并通過(guò)注射法進(jìn)行了噬菌體防控效果檢測(cè)。

最終的研究結(jié)果表明,噬菌體能夠有效地防控銅陵白姜的莖基腐,這一發(fā)現(xiàn)對(duì)白姜種植區(qū)的病害管理具有

重要的實(shí)際意義。

陰溝腸桿菌(E.cloacae)是人類(lèi)和動(dòng)物中最常見(jiàn)的腸桿菌,常見(jiàn)于植物、昆蟲(chóng)以及其它各種環(huán)境中。

陰溝腸桿菌經(jīng)常從臨床來(lái)源的樣本中分離,并且在對(duì)早期定植的新生兒進(jìn)行系統(tǒng)采樣時(shí)經(jīng)常發(fā)現(xiàn)[24]。陰

溝腸桿菌不僅是一種人類(lèi)病原體[25],也是一種植物病原體;陰溝腸桿菌是個(gè)復(fù)合菌群,包含4個(gè)物種。

Thanh等[26]從越南患有軟腐病的馬鈴薯中分離出E.kobei,并確認(rèn)其為引起馬鈴薯軟腐病的新病原。陰

溝腸桿菌癥狀包括葉片黃化、根部和莖部腐爛、根莖腐爛和葉片枯萎。癥狀與由青枯菌引起的生姜青枯病

相似,青枯菌是生姜“癌癥”性病害[27],2種細(xì)菌同時(shí)存在的情況下,病情相對(duì)加重。

噬菌體(Phage)被認(rèn)為是自然界中最豐富的生物,據(jù)估計(jì)生物圈中有1031 個(gè)噬菌體,大約是原核生物

總數(shù)的10倍。噬菌體的主要優(yōu)點(diǎn)是其宿主特異性,即使有其他微生物群存在,只要有宿主細(xì)菌就能夠快

速繁殖。噬菌體可以作為精確的工具靶向病原體,使周?chē)奈⑸锶翰皇芨腥綶28]。使用植物病原菌特異

性病毒的噬菌體療法可以提供一種更有效的方法來(lái)控制根際微生物群,以保護(hù)植物免受疾病的侵害[11]。

在銅陵市義安區(qū)等地發(fā)生的銅陵白姜細(xì)菌性病害,長(zhǎng)期以來(lái)被認(rèn)為是由青枯菌(R.solanacearum)引

起的。本研究通過(guò)致病性測(cè)定發(fā)現(xiàn),科貝腸桿菌(E.kobei)也可導(dǎo)致銅陵白姜發(fā)病,并且其癥狀與青枯菌

(R.solanacearum)侵染引起的癥狀相似。結(jié)合前人研究,本試驗(yàn)結(jié)果表明,科貝腸桿菌(E.kobei)也是

引起銅陵白姜莖基腐的病原菌,并能在后期導(dǎo)致銅陵白姜根莖腐爛。通過(guò)噬菌體防控效果檢測(cè)發(fā)現(xiàn),噬菌

體能夠有效防控銅陵白姜病害的發(fā)生,其可以作為一種精確的工具來(lái)改善植物健康。然而,科貝腸桿菌

(E.kobei)引起銅陵白姜病害的致病機(jī)理、寄主范圍、致病力強(qiáng)弱和噬菌體防控技術(shù)等有待進(jìn)一步研究。

參考文獻(xiàn):

[1] 花桂玲,姚繼貴.銅陵白姜種質(zhì)資源保護(hù)現(xiàn)狀及對(duì)策[J].現(xiàn)代農(nóng)業(yè)科技,2021(21):93-94.

[2] 趙友前,趙德明,汪濤,等.銅陵縣白姜姜瘟病的致病因素及防治技術(shù)[J].現(xiàn)代農(nóng)業(yè)科技,2012(7):177,181.

[3] 劉銘,張敏,戢俊臣,等.中國(guó)姜瘟病的研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào),2005,21(6):337-340,357.

[4] 陳尚儒.四川生姜?jiǎng)跔柺暇b定及防治研究[D].雅安:四川農(nóng)業(yè)大學(xué),2018.

第38卷第2期 花 月,等:銅陵白姜莖基腐的病原鑒定及其噬菌體的分離純化 51

[5] HAYWARDAC.Biologyandepidemiologyofbacterialwiltcausedbypseudomonassolanacearum[J].AnnuRev

Phytopathol,1991,29:65-87.

[6] LIUJ,ZHAOZC,WANGCX.Firstreportofrhizomerotonginger(Zingiberofficinale)causedbyEnterobacter

cloacaeinShandongProvince,China[J].PlantDis,2020,105:210.

[7] JIY,WANGPH,XUTT,etal.Developmentofaone-stepmultiplexPCRassayfordifferentialdetectionoffour

species(Enterobactercloacae,Enterobacterhormaechei,Enterobacterroggenkampii,andEnterobacterkobei)belongingtoEnterobactercloacaecomplexwithclinicalsignificance[J].FrontCellInfectMicrobiol,2021,11:677089.

[8] BERENDSENRL,PIETERSEC MJ,BAKKERPA H M.Therhizospheremicrobiomeandplanthealth[J].

TrendsPlantSci,2012,17(8):478-486.

[9] HUJ,WEIZ,FRIMANVP,etal.Probioticdiversityenhancesrhizospheremicrobiomefunctionandplantdisease

suppression[J].mBio,2016,7(6):e01790-e01716.

[10] WEIZ,YANGTJ,FRIMANVP,etal.Trophicnetworkarchitectureofroot-associatedbacterialcommunitiesdeterminespathogeninvasionandplanthealth[J].NatCommun,2015,6:8413.

[11] áLVAREZB,BIOSCAEG.Bacteriophage-basedbacterialwiltbiocontrolforanenvironmentallysustainableagriculture[J].FrontPlantSci,2017,8:1218.

[12] BUTTIMERC,MCAULIFFEO,ROSSRP,etal.Bacteriophagesandbacterialplantdiseases[J].FrontMicrobiol,

2017,8:34.

[13] 李培謙,藥震,馮寶珍,等.克倫生葡萄內(nèi)生菌Acremoniumsclerotigenum 的分離鑒定及致腐能力研究[J].食品與發(fā)

酵工業(yè),2022,48(15):131-136.

[14] 譚筱醴,喬晉楠,楊丹妮,等.一株烈性青枯菌噬菌體φRSm2C的分離純化及生物學(xué)特征[J].應(yīng)用與環(huán)境生物學(xué)報(bào),

2021,27(6):1448-1455.

[15] 李亞妮,陳衛(wèi)良,毛碧增.溫郁金根莖腐爛病的病原鑒定[J/OL].浙江農(nóng)業(yè)學(xué)報(bào):1-10[2023-12-02].http://kns.cnki.

net/kcms/detail/33.1151.S.20230913.1603.002.html.

[16] 譚嘯,章熙東.革蘭氏染色法觀察與區(qū)分細(xì)菌[J].生物學(xué)教學(xué),2019,44(7):71-72.

[17] WEIW,ZHONGL W,CHENZB,etal.FirstreportofAchromobacterxylosoxidanscausingstemsoftroton

AmorphophalluskonjacinChina[J].PlantDis,2023,107(6):1935.

[18] NISHIJIMAKA,ALVAREZAM,HEPPERLYPR,etal.AssociationofEnterobactercloacaewithrhizomerotof

ediblegingerinHawaii[J].PlantDis,2004,88(12):1318-1327.

[19] WANGJH,LUYX,HANWX,etal.FirstreportofrhizomerotcausedbyPectobacteriumbrasilienseonginger

inChina[J].PlantDis,2022,106(7):1978.

[20] 王孝芳,侯玉剛,楊可銘,等.一株青枯菌專(zhuān)性噬菌體的分離及應(yīng)用效果研究[J].生物技術(shù)通報(bào),2020,36(9):194-201.

[21] 馮林.溫郁金細(xì)菌性枯萎病菌的鑒定及其生防菌的篩選與應(yīng)用研究[D].杭州:浙江大學(xué),2020.

[22] HOFFMANNH,ROGGENKAMPA.PopulationgeneticsofthenomenspeciesEnterobactercloacae[J].ApplEnvironMicrobiol,2003,69(9):5306-5318.

[23] 方中達(dá).植病研究方法[M].3版.北京:中國(guó)農(nóng)業(yè)出版社,1998.

[24] DAVIN-REGLIA,BOSIC,CHARRELR,etal.AnosocomialoutbreakduetoEnterobactercloacaestrainswith

theE.hormaechei genotypeinpatientstreated withfluoroquinolones[J].JClin Microbiol,1997,35(4):

1008-1010.

[25] SANDERSWEJ,SANDERSCC.Enterobacterspp.:Pathogenspoisedtoflourishattheturnofthecentury[J].

ClinMicrobiolRev,1997,10(2):220-241.

[26] THANHNC,FUJINOY,HIROMASAY,etal.DraftgenomesequenceofEnterobacterkobei M4-VN,isolated

frompotatoeswithsoftrotdisease[J].MicrobiolResourAnnounc,2020,9(36):e00908-e00920.

[27] 吳巖松,趙偉,檀根甲,等.生姜生態(tài)栽培與施藥對(duì)姜瘟病防控效果研究[J].現(xiàn)代農(nóng)業(yè)科技,2021(19):111-114.

[28] BUTTIMERC,MCAULIFFEO,ROSSRP,etal.Bacteriophagesandbacterialplantdiseases[J].FrontMicrobiol,

2017,8:34.

(責(zé)任編輯:顧文亮)

52 安徽科技學(xué)院學(xué)報(bào) 2024年

安徽科技學(xué)院學(xué)報(bào),2024,38(2):53-58

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2023-11-06

基金項(xiàng)目:安徽省科技重大專(zhuān)項(xiàng)(202203a06020016)。

作者簡(jiǎn)介:項(xiàng)晶(1999-),男,安徽宣城人,碩士研究生,主要從事除草劑毒理及應(yīng)用技術(shù)研究,E-mail:ajing202112@163.com。

通信作者:畢亞玲,教授,E-mail:byl-211@163.com。

不同類(lèi)型除草劑對(duì)直播稻田碎米

知風(fēng)草的活性及防效評(píng)價(jià)

項(xiàng) 晶1, 王 慧1, 熊浩鈞1, 李 誠(chéng)2, 程 睿1, 畢亞玲2*

(1.安徽科技學(xué)院 資源與環(huán)境學(xué)院,安徽 鳳陽(yáng) 233100;2.安徽科技學(xué)院 農(nóng)學(xué)院,安徽 鳳陽(yáng) 233100)

摘 要:目的:篩選出防除碎米知風(fēng)草的高效除草劑,為田間防治碎米知風(fēng)草提供選藥依據(jù)。方法:通過(guò)整

株生物測(cè)定法,明確水稻田20種除草劑對(duì)碎米知風(fēng)草的生物活性,并選取其中7種高活性藥劑進(jìn)行田間

防效評(píng)價(jià)。結(jié)果:土壤處理藥劑丁草胺、丙草胺、莎稗磷、乙氧氟草醚、噁草酮、環(huán)戊噁草酮、二甲戊靈、仲丁

靈、硝磺草酮、撲草凈和莖葉處理藥劑吡唑喹草酯、苯丙草酮、噁唑酰草胺、敵稗、禾草丹對(duì)碎米知風(fēng)草的活

性較高,GR90 分別為140.47、41.39、92.08、2.92、153.91、34.03、16.76、65.97、7.37、130.30、144.93、

68.70、80.46、2520.32、1918.3ga.i./hm2,均低于各自的田間推薦劑量。結(jié)果表明,藥后45d,土壤處

理藥劑二甲戊靈、丙草胺、仲丁靈及莖葉處理藥劑敵稗、苯丙草酮在推薦劑量下對(duì)其防效最高,鮮質(zhì)量防效

為82.95%~92.32%。結(jié)論:該5種藥劑在推薦劑量時(shí)對(duì)碎米知風(fēng)草均有較高防效,在田間防除此種雜

草時(shí)應(yīng)結(jié)合當(dāng)?shù)赜盟幀F(xiàn)狀優(yōu)先選用。

關(guān)鍵詞:碎米知風(fēng)草;除草劑;除草活性;藥劑篩選;防效

中圖分類(lèi)號(hào):S482.4 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0053-06

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0208

Bioactivityandefficacyevaluationofdifferenttypesofherbicides

onEragrostisjaponicaindirect-seedingricefields

XIANGJing

1, WANGHui1, XIONGHaojun1, LICheng

2, CHENGRui1, BIYaling

2*

(1.CollegeofResourceandEnvironment,AnhuiScienceandTechnologyUniversity,Fengyang233100,China;

2.CollegeofAgriculture,AnhuiScienceandTechnologyUniversity,Fengyang233100,China)

Abstract:Objective:Thehigh-efficiencyherbicidesforcontrollingEragrostisjaponica werescreened

out,whichprovidedthebasisforselectingherbicidesforcontrollingE.japonicainthefield.Methods:

Throughthewholeplantbioassaymethod,thebiologicalactivityof20herbicidesinpaddyfieldonE.

japonica wasdetermined,and7highlyactiveherbicideswereselectedforfieldevaluation.Results:The

pre-emergence herbicides butachlor,pretilachlor,anilofos,oxyfluorfen,oxadiazon,pentoxazone,

pendimethalin,butralin, mesotrione,prometryn andthe post-emergence herbicides pyraquinate,

feproxydim,metamifop,propanil,thiobencarbhadhigheractivityonE.japonica.GR90 were140.47,

41.39,92.08,2.92,153.91,34.03,16.76,65.97,7.37,130.30,144.93,68.70,80.46,2520.32,

1918.3ga.i./hm2,respectively,whichwerelowerthantherecommendeddoseinthefield.Thefield

resultsshowedthat45daysaftertreatment,thepre-emergenceherbicidespendimethalin,pretilachlor,

butralinandthepost-emergenceherbicidespropanilandfeproxydimhadthehighestcontroleffectatthe

recommendeddose,andthefreshweightcontroleffectwasbetween82.95%and92.32%.Conclusion:

ThefiveagentshadgoodcontroleffectonE.japonicaattherecommendeddose.Whencontrollingthis

weedinthefield,theyshouldbepreferentiallyselectedincombinationwiththecurrentsituationoflocal

herbicideuse.

Keywords:Eragrostisjaponica;Herbicide;Herbicidalactivities;Herbicidescreening;Controlefficacy

安徽省作為中國(guó)水稻主要產(chǎn)區(qū)之一,其播種面積和總產(chǎn)量分別占全省糧食的30%和40%以上[1]。隨

著部分地區(qū)土地集中流轉(zhuǎn)、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)不斷優(yōu)化,其水稻種植模式趨向輕簡(jiǎn)集約化、規(guī)?；D(zhuǎn)變[2-3]。但

直播稻田雜草種類(lèi)多樣,且雜草群落結(jié)構(gòu)復(fù)雜,使得難治雜草種群增加[4-5]。研究表明,直播田中雜草在不

防除的情況下,其發(fā)生量可達(dá)154~641株/m2,產(chǎn)量損失高達(dá)70%以上,發(fā)生嚴(yán)重的田塊可能絕產(chǎn)[6-7]。

因此,有效防除直播稻田雜草是目前生產(chǎn)實(shí)踐中亟待解決的關(guān)鍵問(wèn)題,選擇高效除草劑防治直播稻田雜草

對(duì)保障水稻安全生產(chǎn)、提高農(nóng)業(yè)生產(chǎn)效率具有重要意義。

隨著水稻輕簡(jiǎn)型栽培面積逐漸擴(kuò)大,雜草群落結(jié)構(gòu)已較其他水稻種植模式發(fā)生變化,多在田埂發(fā)生的

喜濕雜草如稻李氏禾(Leersiaorygoides)、碎米知風(fēng)草(Eragrostisjaponica)等禾本科雜草逐漸入侵農(nóng)

田[3,8]。徐偉東等[9]調(diào)查浙北水直播稻田雜草群落發(fā)現(xiàn),碎米知風(fēng)草已成為部分區(qū)域的優(yōu)勢(shì)雜草;周鳳艷

等[10]報(bào)道,安徽各地區(qū)稻田陸續(xù)有碎米知風(fēng)草發(fā)生,危害逐年加劇,且在稻田分布范圍十分廣泛。由于碎

米知風(fēng)草具有結(jié)實(shí)量大和環(huán)境適應(yīng)性強(qiáng)等生態(tài)特點(diǎn),現(xiàn)已成為江浙皖部分稻區(qū)惡性雜草,危害水稻生產(chǎn)。

目前,化學(xué)除草仍是現(xiàn)代農(nóng)業(yè)的必要措施和重要標(biāo)志,在農(nóng)田雜草防控中化學(xué)除草劑不可或缺[11-12]。

張培培[13]研究發(fā)現(xiàn),噁唑酰草胺與精噁唑禾草靈在推薦劑量下能有效防除碎米知風(fēng)草;夏志銘等[14]研究

表明,敵稗、噁唑酰草胺、氯氟吡氧乙酸復(fù)配施用防治碎米知風(fēng)草時(shí)主要表現(xiàn)為相加作用;徐偉東等[15]研

究表明,不同碎米知風(fēng)草種群對(duì)藥劑的敏感性存在差異,推薦以噁唑酰草胺為主要防治藥劑與其他藥劑復(fù)

配或輪換使用來(lái)防治碎米知風(fēng)草。然而市面上稻田除草劑種類(lèi)繁多,關(guān)于碎米知風(fēng)草的化學(xué)防除研究主

要集中于室內(nèi)活性測(cè)定,藥劑較為單一且研究年限較長(zhǎng),所篩選藥劑未于田間進(jìn)一步驗(yàn)證。因此,本試驗(yàn)

選擇已登記水稻田的除草劑及新型除草劑共20種開(kāi)展試驗(yàn),采用整株水平測(cè)定法研究供試藥劑對(duì)碎米知

風(fēng)草的生物活性,并選擇活性較高的7種藥劑進(jìn)行田間藥效評(píng)價(jià),以期篩選出高效除草劑,為防治碎米知

風(fēng)草提供用藥依據(jù)。

1 材料與方法

1.1 供試材料

碎米知風(fēng)草種子于2019年9月采自安徽省滁州市來(lái)安縣周邊非耕地,自然條件下風(fēng)干后置于0~5℃

種子冷藏庫(kù)保存?zhèn)溆?。供試藥劑如?所示。

1.2 試驗(yàn)方法

1.2.1 不同除草劑對(duì)碎米知風(fēng)草的生物活性測(cè)定 試材培養(yǎng):挑選大小一致的碎米知風(fēng)草種子,放入墊

有2層濾紙的培養(yǎng)皿中,置于生化培養(yǎng)箱內(nèi)[溫度為(L/D)30℃/20℃,光周期為(L/D)12h/12h,相對(duì)濕

度為75%]培養(yǎng)。待種子露白后均勻播入裝有營(yíng)養(yǎng)混合土(砂土與基質(zhì)的質(zhì)量比為2∶1,山東商道生物科

技有限公司提供)的盆缽中(直徑12cm,高10cm),每盆播種30粒,適當(dāng)覆土,采用盆底滲灌的方式使土

壤濕潤(rùn)后移至溫室內(nèi)[(L/D)為16h/8h;溫度為(25±5)℃;相對(duì)濕度為60%~75%]培養(yǎng),常規(guī)管理,保

證健壯生長(zhǎng),定期觀察,待植株長(zhǎng)至3葉期進(jìn)行間苗保持每盆20株,保證重復(fù)之間均勻一致。藥劑處理以

54 安徽科技學(xué)院學(xué)報(bào) 2024年

《農(nóng)藥室內(nèi)生物測(cè)定試驗(yàn)準(zhǔn)則第3部分:活性測(cè)定試驗(yàn)土壤噴霧法》《農(nóng)藥室內(nèi)生物測(cè)定試驗(yàn)準(zhǔn)則第4部

分:活性測(cè)定試驗(yàn)莖葉噴霧法》為參照,本試驗(yàn)采用母液稀釋梯度法,每種除草劑設(shè)置5個(gè)處理,每處理重

復(fù)4次,具體劑量如表1所示。以0.1%吐溫-80水溶液做空白對(duì)照,土壤處理藥劑在播種后24h進(jìn)行施

藥,莖葉處理藥劑待碎米知風(fēng)草長(zhǎng)至3葉期進(jìn)行施藥。使用 HCL-2000行走式噴霧塔均勻噴霧,扇形噴頭

距離施藥葉面50cm,噴液量為450L/hm2,噴液壓力為0.275Mpa,施藥后置于溫室培養(yǎng),定期觀察藥效

癥狀,施藥后21d稱(chēng)取地上部分鮮質(zhì)量,計(jì)算鮮質(zhì)量抑制率。

鮮質(zhì)量抑制率=

對(duì)照鮮質(zhì)量-處理鮮質(zhì)量

對(duì)照鮮質(zhì)量 ×100%

表1 供試除草劑及劑量

Table1 Testingherbicidesanddose

編號(hào) 供試藥劑 生產(chǎn)廠家 劑量/(ga.i./hm2)

1 60%丁草胺乳油 祥霖美豐生物科技(淮安)有限公司 33.75、67.5、135、270、540

2 97%硝磺草酮原藥 江蘇省農(nóng)用激素工程技術(shù)研究中心有限公司 1.60、3.19、6.38、12.76、25.52

3 500g/L丙草胺乳油 先正達(dá)(蘇州)作物保護(hù)有限公司 4.10、8.20、16.41、32.82、65.63

4 30%莎稗磷乳油 浙江天豐生物科學(xué)有限公司 19.69、39.38、78.75、157.5、315

5 98%乙氧氟草醚原藥 山東維尤納特生物科技有限公司 5.74、11.48、22.96、45.92、91.84

6 33%二甲戊靈乳油 浙江天豐生物科學(xué)有限公司 3.87、7.73、15.48、30.94、61.87

7 97.1%噁草酮原藥 合肥星宇化學(xué)有限責(zé)任公司 28.05、56.1、112.2、224.3、448.6

8 48%仲丁靈乳油 張掖市大弓農(nóng)化有限公司 28.13、56.25、112.5、225、450

9 40%撲草凈可濕性粉劑 安徽久易農(nóng)業(yè)股份有限公司 14.06、28.13、56.25、112.5、225

10 97%環(huán)戊噁草酮原藥 安徽豐樂(lè)農(nóng)化有限責(zé)任公司 10.5、21、42、84、1689

11 25g/L五氟磺草胺可分散油懸浮劑 科迪華農(nóng)業(yè)科技有限責(zé)任公司 1.88、3.75、7.5、15、30

12 95%嘧啶肟草醚原藥 安徽圣豐生化有限公司 2.47、4.94、9.87、19.74、39.47

13 10%噁唑酰草胺乳油 蘇州富美實(shí)植物保護(hù)劑有限公司 7.5、15、30、60、120

14 25%二氯喹啉酸懸浮劑 安徽豐樂(lè)農(nóng)化有限責(zé)任公司 23.44、46.88、93.75、187.5、375

15 25%雙環(huán)磺草酮懸浮劑 日本史迪士生物科學(xué)株式會(huì)社 14.06、28.13、56.25、112.5、225

16 3%氯氟吡啶酯乳油 科迪華農(nóng)業(yè)科技有限責(zé)任公司 2.25、4.5、9、18、36

17 50%禾草丹乳油 浙江威爾達(dá)化工有限公司 140.63、281.25、562.5、1125、2250

18 34%敵稗水劑 遼寧省沈陽(yáng)豐收農(nóng)藥有限公司 281.14、562.28、1124.55、2249.1、4498.2

19 5%吡唑喹草酯可分散油懸浮劑 山東先達(dá)農(nóng)化股份有限公司 10.03、20.01、40.13、80.25、160.5

20 10%苯丙草酮乳油 山東先達(dá)農(nóng)化股份有限公司 23.44、46.88、93.75、187.5、375

注:編號(hào)1~10為土壤處理藥劑;11~20為莖葉處理藥劑。

1.2.2 田間藥效試驗(yàn) 以《中華人民共和國(guó)農(nóng)業(yè)部農(nóng)藥田間藥效試驗(yàn)準(zhǔn)則(一)除草劑防治水稻田雜草》

(GB/T17980.40—2000)方法為參照,田間藥效試驗(yàn)于安徽省滁州市鳳陽(yáng)縣安徽科技學(xué)院試驗(yàn)田進(jìn)行。

水稻品種為旱優(yōu)73,干谷播種,播種量為22.5kg/hm2,播種前施用400kg/hm2 尿素,試驗(yàn)田地勢(shì)平整,

灌溉條件良好,土質(zhì)為壤土,前茬為小麥,該試驗(yàn)地雜草群落單一,豐富度低,碎米知風(fēng)草發(fā)生均勻,約占總

草的80%。試驗(yàn)共設(shè)置25個(gè)處理,劑量設(shè)置分別為噁唑酰草胺105、210ga.i./hm2,禾草丹2062.5、

4125ga.i./hm2,敵稗1402.5、2805ga.i./hm2,苯丙草酮375、750ga.i./hm2,吡唑喹草酯80.25、

160.5ga.i./hm2,環(huán)戊噁草酮276.45、552.9ga.i./hm2,二甲戊靈866.25、1732.5ga.i./hm2,丁草胺

900、1800ga.i./hm2,丙草胺675、1350ga.i./hm2,莎稗磷270、540ga.i./hm2,噁草酮1019.55、

2039.1ga.i./hm2,仲丁靈1800、3600ga.i./hm2,設(shè)噴施清水處理為空白對(duì)照。小區(qū)完全隨機(jī)區(qū)組排

列,每處理重復(fù)4次,共100個(gè)小區(qū),每個(gè)小區(qū)20m2(5m×4m)。使用Solo-425型背負(fù)式噴霧器,扇形噴

頭,噴液量為450L/hm2,流速為1090mL/min。土壤處理藥劑于水稻播種1d后進(jìn)行噴藥,施藥當(dāng)天陰

天,風(fēng)速為2m/s,平均氣溫為31℃;待水稻及禾本科雜草長(zhǎng)至3~4葉1心期進(jìn)行莖葉噴霧,當(dāng)天天氣

晴,平均氣溫30℃,南風(fēng)1m/s。試驗(yàn)期間田間管理與常規(guī)直播稻田方式相一致,于藥后15、45d采用絕

對(duì)值調(diào)查法調(diào)查防效,每小區(qū)沿對(duì)角線(xiàn)取3點(diǎn),每點(diǎn)0.25m2,記錄各雜草株數(shù),計(jì)算株防效;施藥后45d

同時(shí)剪取雜草地上部分鮮質(zhì)量,計(jì)算鮮質(zhì)量防效。水稻安全性調(diào)查分別于藥后15、21和45d進(jìn)行,觀察

各處理水稻生長(zhǎng)狀況,記錄可能發(fā)生的藥害癥狀、發(fā)生程度及藥害恢復(fù)情況。

株(鮮質(zhì)量)防效=

對(duì)照雜草株數(shù)(鮮質(zhì)量)-處理雜草株數(shù)(鮮質(zhì)量)

對(duì)照雜草株數(shù)(鮮質(zhì)量) ×100%

第38卷第2期 項(xiàng) 晶,等:不同類(lèi)型除草劑對(duì)直播稻田碎米知風(fēng)草的活性及防效評(píng)價(jià) 55

1.3 數(shù)據(jù)處理與分析

試驗(yàn)數(shù)據(jù)使用DPS7.05軟件中Duncan新復(fù)極差法進(jìn)行差異顯著性檢驗(yàn),并對(duì)供試藥劑劑量對(duì)數(shù)值

與鮮質(zhì)量抑制率的幾率值進(jìn)行回歸分析,計(jì)算不同除草劑對(duì)碎米知風(fēng)草的 GR50 值、GR90 值和95%置信

區(qū)間等。

2 結(jié)果與分析

2.1 土壤處理藥劑對(duì)碎米知風(fēng)草的活性評(píng)價(jià)

結(jié)果表明,碎米知風(fēng)草對(duì)供試土壤藥劑極其敏感(表2),長(zhǎng)鏈脂肪酸合成抑制劑丁草胺、丙草胺、莎稗

磷可抑制幼苗根和芽的生長(zhǎng),GR90 分別為140.47、41.39、92.08ga.i./hm2,均低于其1/2最低推薦劑

量。原卟啉原氧化酶抑制劑乙氧氟草醚、噁草酮、環(huán)戊噁草酮為觸殺型除草劑,在土壤和作物中殘留期短,

其GR90 分別為2.92、153.91、34.03ga.i./hm2,均低于1/2最低推薦劑量。二甲戊靈和仲丁靈為微管組

裝抑制劑,其通過(guò)抑制微管系統(tǒng),阻礙細(xì)胞壁或者細(xì)胞板形成導(dǎo)致細(xì)胞異常進(jìn)而死亡,其 GR90 分別為

16.76、65.97ga.i./hm2,均低于1/15最低推薦劑量。施用對(duì)羥基苯基丙酮酸雙氧化酶(HPPD類(lèi))抑制

劑硝磺草酮后,植株出苗受限,幼苗白化最終導(dǎo)致死亡,其 GR90 為7.37ga.i./hm2,低于1/10最低推薦

劑量。撲草凈為光合作用光系統(tǒng)Ⅱ抑制劑,施藥后抑制幼苗生長(zhǎng),其 GR90 為130.30ga.i./hm2,略低于

最低推薦劑量。

表2 土壤處理藥劑對(duì)碎米知風(fēng)草的活性測(cè)定

Table2 Biologicalactivityofthepre-emergenceherbicidesonE.japonica

編號(hào) 供試藥劑 回歸方程 相關(guān)系數(shù)(r) GR50(95%CI)

劑量/(ga.i./hm2)

GR90(95%CI)

劑量/(ga.i./hm2)

田間推薦

劑量/(ga.i./hm2)

1 60%丁草胺乳油 y=-3.0146+4.3287x 0.9099 71.04(38.81~130.06) 140.47(84.67~233.06) 720~1080

2 97%硝磺草酮原藥 y=2.1152+4.8038x 0.9314 3.99(2.47~6.44) 7.37(4.76~11.41) 76.5~99

3 500g/L丙草胺乳油 y=2.5558+2.3043x 0.9897 11.50(9.70~13.64) 41.39(33.21~51.58) 450~525

4 30%莎稗磷乳油 y=-2.8349+4.6413x 0.9130 48.76(28.08~84.68) 92.08(55.74~152.13) 225~315

5 98%乙氧氟草醚原藥 y=3.9251+5.0625x 0.9523 1.63(0.97~2.75) 2.92(1.97~4.33) 45~75

6 33%二甲戊靈乳油 y=0.7121+4.5490x 0.9229 8.76(5.13~14.96) 16.76(10.54~26.67) 866.25~900

7 97.1%噁草酮原藥 y=2.6104+1.6784x 0.9957 26.53(22.09~31.86) 153.91(138.13~171.48) 331.8~442.5

8 48%仲丁靈乳油 y=-2.5605+4.8599x 0.9482 35.95(20.33~63.57) 65.97(43.22~100.71) 1080~1800

9 40%撲草凈可濕性粉劑 y=0.9501+2.5208x 0.9999 40.42(39.69~41.16) 130.30(127.40~133.28) 150~900

10 97%環(huán)戊噁草酮原藥 y=-2.6138+5.8069x 0.9348 20.47(12.13~34.54) 34.03(22.10~52.40) 192~336

2.2 莖葉處理藥劑對(duì)碎米知風(fēng)草的活性評(píng)價(jià)

碎米知風(fēng)草對(duì)10種莖葉處理藥劑的敏感性有較大差異,施用 HPPD類(lèi)藥劑吡唑喹草酯后促使植株

分生組織出現(xiàn)白化癥狀,最終導(dǎo)致死亡,其 GR90 為144.93ga.i./hm2。施用 ACCase類(lèi)除草劑苯丙草

酮、噁唑酰草胺屬速效型除草劑,藥后2~3d植株出現(xiàn)葉面褪綠、葉片黃化及生長(zhǎng)受抑制等癥狀,其 GR90

分別為68.70、80.46ga.i./hm2。施用光合作用光系統(tǒng)Ⅱ抑制劑敵稗3d后,碎米知風(fēng)草藥后葉片褪綠,生長(zhǎng)

受抑制,最后干枯致死,其GR90 為2520.32ga.i./hm2。禾草丹為脂類(lèi)合成抑制劑,施藥后3d出現(xiàn)葉片卷

曲、生長(zhǎng)停滯等癥狀,其GR90 為1918.3ga.i./hm2。由表3可知,通過(guò)各供試藥劑的GR90 與其推薦劑量比

較得知,苯丙草酮、噁唑酰草胺、吡唑喹草酯、敵稗、禾草丹活性較高,GR90 均在各自推薦劑量范圍內(nèi)。

2.3 田間藥效試驗(yàn)

田間藥效試驗(yàn)結(jié)果見(jiàn)表4,藥后15d,各處理小區(qū)水稻出苗率正常,秧苗無(wú)明顯褪綠、畸形等藥害癥

狀。不同除草劑對(duì)碎米知風(fēng)草的防效差異較大,供試土壤處理藥劑對(duì)碎米知風(fēng)草的株防效為71.24%~

94.77%,其中二甲戊靈866.25ga.i./hm2、丙草胺675ga.i./hm2、仲丁靈1800ga.i./hm2 對(duì)碎米知風(fēng)

草的防效較好,株防效為86.60%、90.52%、83.66%;其次,環(huán)戊噁草酮276.45ga.i./hm2、丁草胺

900ga.i./hm2、莎稗磷270ga.i./hm2、噁草酮1019.55ga.i./hm2 下防效相當(dāng),株防效為71.24%~

79.41%。莖葉處理藥劑對(duì)碎米知風(fēng)草株防效為54.90%~87.58%,敵稗、苯丙草酮對(duì)碎米知風(fēng)草株防效

較好,在1402.5、375ga.i./hm2 劑量下,株防效為82.03%、87.58%;噁唑酰草胺與吡唑喹草酯防效相

當(dāng),推薦劑量下株防效為62.09%~75.15%;禾草丹防效較差,株防效為54.90%。

56 安徽科技學(xué)院學(xué)報(bào) 2024年

表3 莖葉處理藥劑對(duì)碎米知風(fēng)草的活性測(cè)定

Table3 Biologicalactivityofthepost-emergenceherbicidesonE.japonica

編號(hào) 供試藥劑 回歸方程 相關(guān)系數(shù)(r) GR50(95%CI)

劑量/(ga.i./hm2)

GR90(95%CI)

劑量/(ga.i./hm2)

田間推薦劑量/

(ga.i./hm2)

1 10%苯丙草酮乳油 y=-0.7592+3.8328x 0.9280

31.81

(16.40~61.70)

68.70

(43.06~109.60) 375

2 50%禾草丹乳油 y=-1.1347+2.2590x 0.9993

519.54

(498.1~541.91)

1918.3

(1793.44~2051.85) 1875~2250

3

5%吡唑喹草酯可分散

油懸浮劑 y=1.0786+2.4075x 0.9831

42.54

(34.6~52.31)

144.93

(103.15~203.64) 150

4 34%敵稗水劑 y=0.3485+1.7443x 0.9946

464.22

(397.25~5422.50)

2520.32

(2169.63~2927.69) 2550~4080

5 3%氯氟吡啶酯乳油 y=-1.3814+3.6973x 0.9000

53.21

(17.46~162.19)

118.19

(26.06~536.06) 18~36

6 25%二氯喹啉酸懸浮劑 y=1.9601+0.7470x 0.9906

11736.58

(5434.97~25344.61)

609773

(153394.69~2423966.28)225~375

7 25%雙環(huán)磺草酮懸浮劑 y=2.9337+0.6174x 0.9900

2223.64

(1089.82~4537.02)

264822.74

(60539.41~1158436.8) 150~225

8

25g/L五氟磺草胺可分散

油懸浮劑 y=2.0897+1.1932x 0.9674

274.84

(158.25~477.33)

3259.43

(946.82~11220.55) 15~30

9 95%嘧啶肟草醚原藥 y=2.8736+1.5838x 0.9804

22.01

(16.38~29.58)

141.85

(73.58~273.45) 30~45

10 10%噁唑酰草胺乳油 y=3.4580+1.4817x 0.9629

10.98

(7.03~17.14)

80.46

(51.76~125.08) 90~120

施藥后45d,各供試藥劑對(duì)碎米知風(fēng)草防效均略微降低,推薦劑量下敵稗、苯丙草酮、二甲戊靈、丙草

胺、仲丁靈防效最好,鮮質(zhì)量防效為82.95%~92.32%;噁唑酰草胺、環(huán)戊噁草酮、丁草胺、莎稗磷和噁草

酮防效相當(dāng),鮮質(zhì)量防效為69.54%~78.90%,可作為防治碎米知風(fēng)草的備選藥劑;禾草丹和吡唑喹草酯

防效較差,鮮質(zhì)量防效為62.59%、61.01%。12種除草劑在推薦劑量下對(duì)碎米知風(fēng)草的鮮質(zhì)量防效由高

到低依次為丙草胺、苯丙草酮、二甲戊靈、仲丁靈、敵稗、丁草胺、莎稗磷、噁唑酰草胺、噁草酮、環(huán)戊噁草酮、

禾草丹、吡唑喹草酯。

表4 多種除草劑對(duì)碎米知風(fēng)草的田間防效

Table4 FieldcontroleffectofvariousherbicidesonE.japonica

編號(hào) 供試藥劑 劑量/(ga.i./hm2)

株防效/%

15d 45d

鮮質(zhì)量防效/%

45d

1 10%噁唑酰草胺乳油 105 75.15±2.39ghi 70.59±2.64hi 75.67±1.73jkl

2 10%噁唑酰草胺乳油 210 85.95±2.02bcde 83.99±1.35hi 83.40±0.49fgh

3 50%禾草丹乳油 2062.5 54.90±5.86l 52.29±5.86l 62.59±1.87n

4 50%禾草丹乳油 4125 64.71±2.87jk 60.46±2.63jk 68.56±1.39m

5 34%敵稗水劑 1402.5 82.03±2.29defg 80.72±2.29def 85.07±1.20efg

6 34%敵稗水劑 2805 87.25±1.12bcd 83.99±1.35bcd 88.34±0.34cde

7 10%苯丙草酮乳油 375 87.58±1.36abcd 84.97±1.13bcd 87.38±1.47de

8 10%苯丙草酮乳油 750 90.20±0.84abc 87.25±0.33abcd 91.28±0.78bc

9 5%吡唑喹草酯可分散油懸浮劑 80.25 62.09±5.72k 59.48±5.72k 61.01±2.42n

10 5%吡唑喹草酯可分散油懸浮劑 160.5 68.95±1.95ij 66.34±1.95ij 67.94±0.88m

11 97%環(huán)戊噁草酮原藥 276.45 71.24±1.41hij 67.32±1.41i 69.54±1.18m

12 97%環(huán)戊噁草酮原藥 552.9 74.84±1.95ghi 72.88±1.95ghi 74.04±0.73kl

13 33%二甲戊靈乳油 866.25 86.60±1.45bcde 84.97±1.25bcd 86.53±0.83df

14 33%二甲戊靈乳油 1732.5 91.50±0.84ab 89.87±0.63ab 90.41±0.68bcd

15 60%丁草胺乳油 900 79.41±1.12efg 77.45±1.45efgh 78.90±1.08ij

16 60%丁草胺乳油 1800 86.93±1.19bcd 84.31±1.07bcde 85.53±1.12efg

17 500g/L丙草胺乳油 675 90.52±0.63abc 88.89±0.38abc 92.32±0.46ab

18 500g/L丙草胺乳油 1350 94.77±0.53a 93.46±0.53a 95.13±0.57a

19 30%莎稗磷乳油 270 76.80±1.72fgh 75.16±1.92fgh 77.56±0.56ik

20 30%莎稗磷乳油 540 81.05±1.89defg 80.07±1.12defg 81.57±1.21hi

21 97.1%噁草酮原藥 1019.55 74.84±1.45ghi 73.20±1.56ghi 74.94±0.85kl

22 97.1%噁草酮原藥 2039.1 78.10±1.45fgh 76.14±1.35fgh 78.86±0.53ij

23 48%仲丁靈乳油 1800 83.66±1.36cdef 82.03±1.45cdef 82.95±0.49gh

24 48%仲丁靈乳油 3600 88.56±1.80abcd 86.93±2.07abcd 88.38±0.56cde

注:同列數(shù)據(jù)肩標(biāo)后不同小寫(xiě)字母表示差異顯著(P<0.05)。

第38卷第2期 項(xiàng) 晶,等:不同類(lèi)型除草劑對(duì)直播稻田碎米知風(fēng)草的活性及防效評(píng)價(jià) 57

3 討論與結(jié)論

隨著水稻種植模式不斷轉(zhuǎn)變,碎米知風(fēng)草已逐漸成為稻區(qū)優(yōu)勢(shì)雜草之一[8-9,16]。由于其在幼苗期與千

金子(Leptochloachinensis)相似,部分農(nóng)戶(hù)在生產(chǎn)實(shí)踐中常選擇用于防治千金子的藥劑來(lái)防除碎米知風(fēng)

草,長(zhǎng)期單一使用已導(dǎo)致部分地區(qū)碎米知風(fēng)草產(chǎn)生抗藥性[17-18]。因此,篩選高效防除碎米知風(fēng)草的藥劑

有助于精準(zhǔn)選擇除草劑種類(lèi),進(jìn)而延長(zhǎng)優(yōu)質(zhì)除草劑的生命周期。

室內(nèi)活性測(cè)定結(jié)果表明,供試土壤處理藥劑丙草胺、丁草胺、噁草酮和莖葉處理藥劑噁唑酰草胺、敵稗

均對(duì)碎米知風(fēng)草表現(xiàn)出較高的活性,對(duì)碎米知風(fēng)草的 GR50 均低于各自的推薦劑量,這與張培培[13]、徐偉

東等[15]的研究結(jié)果相一致。乙酰乳酸合成酶(ALS)抑制劑五氟磺草胺能有效防治水稻田稗草等其他闊

葉雜草,但本試驗(yàn)中對(duì)碎米知風(fēng)草防除較差,GR50 遠(yuǎn)高于田間推薦劑量,與Liu等[17]研究發(fā)現(xiàn)的29個(gè)碎

米知風(fēng)草種群對(duì)五氟磺草胺均不敏感結(jié)果一致,因此五氟磺草胺不適用于碎米知風(fēng)草發(fā)生嚴(yán)重的田塊。

新型除草劑苯丙草酮、吡唑喹草酯分別屬于 ACCase類(lèi)和 HPPD類(lèi)抑制劑,具有高效、低毒、低殘留等特

性,對(duì)碎米知風(fēng)草均表現(xiàn)較高的活性,關(guān)于該兩種藥劑的殺草譜和使用技術(shù)還有待進(jìn)一步探究。

由于除草劑長(zhǎng)期單一使用及劑量逐年增大等原因,導(dǎo)致稻田雜草群落演替加快,作物產(chǎn)生藥害的案例

屢見(jiàn)不鮮[19-20]。田間試驗(yàn)結(jié)果表明,各供試藥劑在2倍推薦中量下對(duì)水稻均表現(xiàn)出較好的安全性,秧苗較

對(duì)照無(wú)明顯褪綠、畸形等藥害癥狀。同時(shí),藥后45d,敵稗、苯丙草酮、二甲戊靈、丙草胺、仲丁靈在田間推

薦劑量下對(duì)碎米知風(fēng)草的鮮質(zhì)量防效為82.95%~92.32%,均可有效防治碎米知風(fēng)草,而這5種藥劑的

殺草譜各有不同,可根據(jù)田間具體草相選擇適宜除草劑。周鳳艷等[10]在田間藥效試驗(yàn)中發(fā)現(xiàn),仲丁靈對(duì)

碎米知風(fēng)草的防效較差,與該試驗(yàn)結(jié)果略有偏差,其差異原因還可能與施藥時(shí)天氣狀況、草齡和田間管理

水平有關(guān)。供試藥劑苯丙草酮和吡唑喹草酯目前尚未取得登記和推廣應(yīng)用,本試驗(yàn)結(jié)果表明這2種除草

劑對(duì)水稻均表現(xiàn)出較高的安全性,后期應(yīng)進(jìn)一步探究其在大田的綜合應(yīng)用前景。本試驗(yàn)僅在田間明確了

供試藥劑的推薦劑量對(duì)田間雜草的防效,劑量設(shè)定較為單一,后期應(yīng)補(bǔ)充室內(nèi)復(fù)配藥劑活性并評(píng)價(jià)其在田

間的防效表現(xiàn)。

參考文獻(xiàn):

[1] 孔令娟,楊森,潘廣元.安徽省水稻生產(chǎn)現(xiàn)狀與產(chǎn)業(yè)發(fā)展思考[J].中國(guó)稻米,2023,29(1):98-102.

[2] 蔣偉勤,車(chē)陽(yáng),李可,等.江蘇省水稻栽培關(guān)鍵技術(shù)應(yīng)用現(xiàn)狀及展望[J].江蘇農(nóng)業(yè)學(xué)報(bào),2023,39(2):567-575.

[3] 李香菊.近年我國(guó)農(nóng)田雜草防控中的突出問(wèn)題與治理對(duì)策[J].植物保護(hù),2018,44(5):77-84.

[4] 戴魏真,趙媛媛,許錦程,等.安徽省直播稻田千金子、稗草對(duì)氰氟草酯的抗性及藥劑篩選[J].安徽科技學(xué)院學(xué)報(bào),

2022,36(6):19-25.

[5] 孔祥男,張一,丁偉.3種除草劑對(duì)水稻旱直播闊葉雜草防效及安全性研究[J].植物保護(hù),2021,47(5):302-309.

[6] 周燕芝,王文霞,陳麗明,等.直播稻田雜草發(fā)生與防除研究進(jìn)展[J].作物雜志,2019(4):1-9.

[7] 谷承文,張立磊,范玉潔,等.安徽稻區(qū)馬唐對(duì)噁唑酰草胺的抗性測(cè)定及防治藥劑篩選[J].安徽科技學(xué)院學(xué)報(bào),2023,

37(4):42-47.

[8] 李道明,汪甫剛,韓明民.稻田碎米知風(fēng)草的發(fā)生趨勢(shì)與綜合防治措施[J].湖北植保,2018(6):35-37.

[9] 徐偉東,黎菊,陸強(qiáng),等.浙北稻麥連作區(qū)水直播稻田雜草群落組成及多樣性差異[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2021,

37(1):57-64.

[10] 周鳳艷,張勇,周振榮,等.不同除草劑對(duì)亂草的防除效果比較研究[J].雜草學(xué)報(bào),2018,36(1):48-52.

[11] 趙英鵬,趙平,李新.全球水稻田除草劑概況及新品種介紹[J].農(nóng)藥,2021,60(9):631-633,646.

[12] 胡江博,任正鵬,丁翔,等.稻田除草劑應(yīng)用現(xiàn)狀與抗除草劑水稻育種研究進(jìn)展[J].中國(guó)稻米,2023,29(4):13-19.

[13] 張培培.碎米知風(fēng)草(Eragrostisjaponica)生物學(xué)生態(tài)學(xué)特性及化學(xué)防除技術(shù)研究[D].南京:南京農(nóng)業(yè)大學(xué),2014.

[14] 夏志銘,陳勇睿,彭程,等.莖葉處理除草劑混配對(duì)雙稃草和亂草的聯(lián)合作用[J].中國(guó)植保導(dǎo)刊,2023,43(7):16-20.

[15] 徐偉東,陸強(qiáng),王曄青,等.稻田不同種群亂草形態(tài)差異及藥劑防治效果比較[J].雜草學(xué)報(bào),2020,38(1):55-61.

[16] 莊家文,張崢,強(qiáng)勝.浙江省水稻田雜草群落調(diào)查[J].植物保護(hù)學(xué)報(bào),2019,46(2):479-488.

[17] LIUY,WANGH,FANGJP,etal.Target-siteandmetabolicmechanismsoftolerancetopenoxsulaminpond

lovegrass(Eragrostisjaponica)[J].WeedSci,2023,71(1):29-38.

[18] LIUY,WANGH,GAOHT,etal.Twomechanismsprovidetolerancetocyhalofop-butylinpondlovegrass[Eragrostisjaponica (Thunb.)Trin.][J].PesticBiochemPhysiol,2022,188:105247.

[19] 畢亞玲,戴玲玲,王曹陽(yáng),等.雙環(huán)磺草酮與氯氟吡啶酯復(fù)配的聯(lián)合除草活性及對(duì)水稻的安全性評(píng)價(jià)[J].農(nóng)藥學(xué)學(xué)

報(bào),2020,22(1):68-75.

[20] 邢雨誠(chéng),許錦程,萬(wàn)永樂(lè),等.環(huán)戊?草酮對(duì)直播稻田雜草的室內(nèi)活性及田間防效評(píng)價(jià)[J].農(nóng)藥學(xué)學(xué)報(bào),2023,25(1):

117-125.

(責(zé)任編輯:顧文亮)

58 安徽科技學(xué)院學(xué)報(bào) 2024年

安徽科技學(xué)院學(xué)報(bào),2024,38(2):59-69

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2023-07-25

基金項(xiàng)目:鳳陽(yáng)縣科技計(jì)劃項(xiàng)目(NY2022-09,2023CYL04);安徽省高校自然科學(xué)研究項(xiàng)目(2023AH040277)。

作者簡(jiǎn)介:顏榕(1998-),女,貴州興義人,碩士研究生,主要從事谷物加工研究,E-mail:yanrongm556@163.com。

通信作者:翟立公,副教授,E-mail:gavin340@126.com。

食品級(jí)米糠粉開(kāi)發(fā)工藝優(yōu)化及營(yíng)養(yǎng)消化特性

顏 榕, 劉旭華, 孫強(qiáng)強(qiáng), 王俊穎, 楊麗萍, 翟立公*

(安徽科技學(xué)院 食品工程學(xué)院,安徽 鳳陽(yáng) 233100)

摘 要:目的:降低米糠粉中重金屬鎘及植酸含量,提升米糠粉的利用價(jià)值。方法:通過(guò)單因素及響應(yīng)面優(yōu)

化檸檬酸及植酸酶的處理工藝,實(shí)現(xiàn)對(duì)米糠粉中重金屬鎘和植酸的消減。結(jié)果:超聲波輔助檸檬酸除鎘工

藝,在0.08mol/L檸檬酸溶液、米糠粉懸濁液pH 為3、43℃、50min條件下,重金屬鎘消除率達(dá)99.98%;

當(dāng)添加0.10%植酸酶、料液比為1∶10g/mL、pH為6.2、溫度為50℃、處理時(shí)間為98min條件下,植酸消除

率達(dá)98.68%。結(jié)論:經(jīng)該工藝處理后,米糠粉中鎘殘余量為0.00076mg/kg,植酸殘余量為0.763g/kg,符

合國(guó)家限量標(biāo)準(zhǔn),米糠粉中的蛋白質(zhì)和淀粉含量升高,淀粉消化率上升。

關(guān)鍵詞:米糠粉;檸檬酸;植酸酶;鎘

中圖分類(lèi)號(hào):TS202.1 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0059-11

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0209

Optimizationofdevelopmentprocessandanalysisofnutritional

digestioncharacteristicsofediblericebranpowder

YANRong, LIUXuhua, SUNQiangqiang, WANGJunying, YANGLiping, ZHAILigong

*

(SchoolofFoodEngineering,AnhuiScienceandTechnologyUniversity,Fengyang233100,China)

Abstract:Objective:Toreducethecontentofcadmiumandphyticacidandenhancetheutilizationvalue

ofricebranpowder.Methods:Tooptimizethetreatmentprocessofcitricacidandphytasethrough

singlefactorandresponsesurfacemethodologyandtoachievethereductionofcadmiumandphyticacid

inricebran.Results:Usingultrasonicassistedcitricacidprocess,undertheconditionsofcitricacid

concentration0.08mol/L,ricebransuspensionpH3,43℃,and50minutes,theeliminationrateofheavy

metalcadmiumreached99.98%.Undertheconditionsof0.10% phytaseaddition,1∶10g/mLsolidliquidratio,pH6.2,50℃,andtreatmentfor98min,thephyticacideliminationratereached98.68%.

Conclusion:Afterthisprocess,theresidualcadmiuminricebranpowderis0.00076mg/kg,andthe

residualphyticacidis0.763g/kg,whichmetthenationalstandards.Theproteinandstarchcontentin

thericebranpowderincreased,andthestarchdigestibilityincreased.

Keywords:Ricebranpowder;Citricacid;Phytase;Cadmium

水稻是中國(guó)三大糧食作物之一,據(jù)2022年國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示,中國(guó)稻谷產(chǎn)量為2.08495×1012kg。

米糠粉是稻谷加工過(guò)程中產(chǎn)生的主要副產(chǎn)物,約占稻谷總質(zhì)量的7%,產(chǎn)量巨大。自2016年起,中國(guó)不斷

推進(jìn)稻殼、米糠粉等農(nóng)副產(chǎn)品的綜合利用[1]。米糠粉主要由胚芽、果皮、糊粉層和亞糊粉層組成,米糠粉中

的營(yíng)養(yǎng)成分約占稻谷營(yíng)養(yǎng)的64%

[2]。米糠粉富含蛋白質(zhì)(14%~16%)、脂肪(12%~23%)、纖維(8%~

10%)等物質(zhì),有益于身體健康[3]。相關(guān)研究表明,米糠油中含多不飽和脂肪酸及抗氧化活性物質(zhì),如生育

酚、γ-谷維素等,可預(yù)防動(dòng)脈粥樣硬化癥[4-5]。米糠粉膳食纖維可促進(jìn)腸道蠕動(dòng),對(duì)控制血壓和血脂、預(yù)防

肥胖癥等慢性疾病具有一定的積極作用[6-7]。植酸作為一種抗?fàn)I養(yǎng)因子,占米糠粉總質(zhì)量的5%左右[8]。

在食品加工中,高含量的植酸會(huì)使米糠粉中的營(yíng)養(yǎng)物質(zhì)不易被人體消化吸收。而另一方面,相關(guān)研究證明

植酸在預(yù)防糖尿病、腎結(jié)石等方面具有積極作用[9]。因此,控制好植酸在米糠粉中的含量十分重要。在中

國(guó),米糠粉難以及時(shí)進(jìn)行集中化穩(wěn)定處理,導(dǎo)致米糠粉容易酸敗,常被用做動(dòng)物飼料。目前對(duì)米糠油、米糠

蛋白等物質(zhì)的提純技術(shù)已有一定的研究基礎(chǔ),但關(guān)于功能性米糠粉、米糠油、米糠蛋白等食品的生產(chǎn)和消

費(fèi)還處于起步階段。導(dǎo)致米糠粉利用率低的主要原因有米糠粉中油脂含量高、易酸敗,不利于后續(xù)的加

工;在自然環(huán)境中收集到的米糠粉易受微生物污染;米糠粉中的重金屬含量高。相關(guān)研究表明,糊粉層中

的重金屬含量比胚乳中的重金屬含量更高[10-11]。重金屬的減少一直是研究熱點(diǎn),但常用于水污染及土壤

污染研究中,而對(duì)米糠粉等農(nóng)副產(chǎn)品的關(guān)注度較少。部分以新鮮米糠粉為原料的食品安全難以保證。

食品級(jí)米糠粉與普通米糠粉相比,具有更高的限量標(biāo)準(zhǔn)。它的生產(chǎn)和使用都要符合食品安全和質(zhì)量

標(biāo)準(zhǔn)。在國(guó)內(nèi),目前僅有食品級(jí)米糠粉企業(yè)標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)主要從米糠粉的感官品質(zhì)、理化指標(biāo)及微生物三

大方面作了限量標(biāo)準(zhǔn)。在普通米糠粉轉(zhuǎn)化為食品級(jí)米糠粉的過(guò)程中,解決米糠粉中重金屬污染的問(wèn)題十

分重要。重金屬脫除工藝按原理可分為物理法、微生物法和化學(xué)浸提法等[12]。其中,物理法主要有碾磨

(主要指谷物)、浸泡、烹飪和超聲波等,但作用效果存在一定的局限性。微生物法主要是運(yùn)用細(xì)菌、真菌等

微生物的細(xì)胞表面結(jié)構(gòu)與重金屬離子發(fā)生物理或化學(xué)作用,從而與重金屬結(jié)合,降低重金屬含量。該方法

具有成本低、吸附性好的特點(diǎn),但微生物易受環(huán)境中的濕度、溫度等條件的影響?；瘜W(xué)浸提法主要是使用

鹽酸、檸檬酸、酒石酸及乳酸等溶劑將結(jié)合態(tài)、不溶態(tài)重金屬化合物轉(zhuǎn)化為可溶性離子態(tài)金屬[13-14]。有機(jī)

酸處理具有綠色環(huán)保、無(wú)危害的特點(diǎn),但會(huì)影響食品風(fēng)味,同時(shí)也會(huì)讓食品中的營(yíng)養(yǎng)物質(zhì)流失。碾磨(主要

指谷物)、浸泡、γ輻照、酶解等方法也可降解植酸鹽。其中酶法是最廣泛適用的,外源酶可通過(guò)某些生物

過(guò)程激活內(nèi)在的植物植酸酶[15]。在浸泡中使用超聲波提高植酸還原和重金屬凈化效率的應(yīng)用已有報(bào)

道[16-17]。Mohammadi等[18]通過(guò)浸泡、洗滌、降低pH 聯(lián)合超聲波的方法提高米糠粉中植酸和重金屬的溶

解度,從而有效降低植酸及重金屬的含量。有機(jī)酸浸泡與超聲波聯(lián)合處理是提高米糠穩(wěn)定性、安全性及高

效性的可行途徑。

本研究通過(guò)超聲波輔助檸檬酸處理降低米糠粉中的鎘含量,植酸酶處理降低植酸含量制備食品級(jí)米

糠粉,有效提高米糠粉的品質(zhì)及淀粉消化率。該方法為降低米糠粉中的重金屬含量,提高米糠粉的品質(zhì)具

有一定的應(yīng)用參考價(jià)值,豐富了米糠粉在食品加工領(lǐng)域的應(yīng)用。

1 材料與方法

1.1 材料與設(shè)備

1.1.1 材料 新鮮米糠粉(鎘含量為0.38mg/kg,植酸含量為53.22g/kg,安徽中榮農(nóng)業(yè)科技有限公司);

植酸酶(酶活性為50000U/g,隆科特酶制劑有限公司)。植酸鈉(純度>98%)、檸檬酸(分析純)、無(wú)水乙

醇(分析純)、碳酸氫鈉(分析純)均購(gòu)于國(guó)藥集團(tuán)化學(xué)試劑有限公司。

1.1.2 儀器 JM-A 電子天平(上海靜天電子儀器有限公司);pH 酸度計(jì)(梅特勒-托利多儀器有限公

司);超聲波清洗機(jī)(維根技術(shù)有限公司);UV-1800紫外分光光度計(jì)(島津國(guó)際貿(mào)易有限公司);SHZ-D循

環(huán)水式真空泵(鄭州科達(dá)機(jī)械儀器設(shè)備有限公司);L-550大型離心機(jī)(湖南湘儀實(shí)驗(yàn)室儀器開(kāi)發(fā)有限公

司);WF-22G烘干機(jī)(廣州多樂(lè)信電器有限公司);SUS-304粉碎機(jī)(合肥榮事達(dá)電子電器集團(tuán)有限公司);

水浴恒溫振蕩器(沙鷹科學(xué)儀器有限公司)。

60 安徽科技學(xué)院學(xué)報(bào) 2024年

1.2 食品級(jí)米糠粉工藝流程及脫脂米糠粉制備

食品級(jí)米糠粉工藝流程如圖1所示。脫脂米糠粉制備參照蔣勇等[19]方法,將新鮮米糠粉過(guò)60目篩,

采用無(wú)水乙醇萃取法脫除米糠粉中的油脂(脫除條件:料液比為1∶2.5g/mL、超聲功率為60W、溫度為

59℃、時(shí)間為17min),再進(jìn)行抽濾、烘干,得到脫脂米糠粉。

圖1 低植酸脫鎘米糠粉的制備工藝流程圖

Fig.1 Processflowdiagramforpreparinglowphyticacidricebran

1.3 工藝優(yōu)化

1.3.1 脫鎘米糠粉的制備 在脫脂米糠粉中加入檸檬酸溶液,使米糠粉-檸檬酸懸濁液的最終pH 為3。

超聲波輔助提取30min,超聲波功率為60W。用去離子水反復(fù)清洗米糠粉,4000r/min離心10min,去

除上清液,保留米糠粉并烘干。在脫鎘米糠粉工藝基礎(chǔ)上,依次考察檸檬酸濃度(0.04、0.06、0.08、0.10、

0.12mol/L),處理溫度(40、45、50、55、60 ℃),處理時(shí)間(20、30、40、50、60min)對(duì)檸檬酸除鎘效率的

影響。

1.3.2 低植酸脫鎘米糠粉的單因素試驗(yàn) 取制備好的米糠粉加入蒸餾水,調(diào)整料液比為1∶10g/mL,添加

0.12%植酸酶,在處理溫度為50℃、pH 為6.5、轉(zhuǎn)速為120r/min條件下水浴振蕩90min。在該工藝條

件下,依次考察料液比(1∶5、1∶10、1∶15、1∶20、1∶25g/mL)、處理時(shí)間(30、60、90、120、150min)、處

理溫度(40、45、50、55、60 ℃)、pH(5.5、6.0、6.5、7.0、7.5)、植酸酶添加量(0.04%、0.08%、0.12%、

0.14%、0.16%)對(duì)植酸消除效率的影響。

1.3.3 響應(yīng)面優(yōu)化試驗(yàn)設(shè)計(jì) 以檸檬酸濃度(A)、溫度(B)及處理時(shí)間(C)等3個(gè)因素為自變量,以鎘消

除率(Y)為響應(yīng)值進(jìn)行響應(yīng)面試驗(yàn),如表1所示。以處理時(shí)間(A)、植酸酶添加量(B)及pH(C)為自變量,

以植酸清除率(Y)為響應(yīng)值進(jìn)行響應(yīng)面試驗(yàn),如表2所示。

表1 脫鎘米糠粉工藝的響應(yīng)面因素和水平

Table1 Responsesurfacefactorsandlevelsofcadmiumremovalprocessinricebran

水平 檸檬酸濃度(A)/(mol/L) 處理溫度(B)/℃ 處理時(shí)間(C)/min

1 0.07 42 45

0 0.08 45 50

-1 0.09 48 55

表2 低植酸脫鎘米糠粉工藝的響應(yīng)面因素和水平

Table2 Responsesurfacefactorsandlevelsoflow-phyticaciddecadmizationricebranprocess

水平 處理時(shí)間(A)/min 植酸酶添加量(B)/% pH(C)

1 70 0.08 6.0

0 90 0.12 6.5

-1 110 0.16 7.0

1.4 米糠粉成分測(cè)定

1.4.1 鎘含量測(cè)定 金屬鎘測(cè)定方法參照GB5009.15—2014《食品安全國(guó)家標(biāo)準(zhǔn) 食品中鎘的測(cè)定》;米糠

粉中鎘含量限量標(biāo)準(zhǔn)參照GB2762—2022《大米鎘元素限量標(biāo)準(zhǔn)》。米糠粉中鎘消除率計(jì)算見(jiàn)式(1):

鎘消除率=

新鮮米糠粉中的鎘含量-脫鎘米糠粉中的鎘含量

新鮮米糠粉中的鎘含量 ×100% (1)

1.4.2 植酸含量測(cè)定 米糠粉中植酸的測(cè)定方法參考 GB5009.153—2016《食品安全國(guó)家標(biāo)準(zhǔn) 食品中

植酸的測(cè)定》。米糠粉中植酸清除率計(jì)算見(jiàn)式(2):

植酸清除率=

新鮮米糠粉中的植酸含量-低植酸米糠粉中的植酸含量

新鮮米糠粉中的植酸含量 ×100% (2)

1.4.3 基本成分測(cè)定 蛋白質(zhì)測(cè)定參照 GB5009.5—2016《凱氏定氮法》;淀粉測(cè)定參照 GB5009.9—

第38卷第2期 顏 榕,等:食品級(jí)米糠粉開(kāi)發(fā)工藝優(yōu)化及營(yíng)養(yǎng)消化特性 61

2016《酸水解法》;脂肪測(cè)定參照 GB5009.6—2016《索氏抽提法》;灰分測(cè)定參照 GB5009.4—2016《食品

中總灰分的測(cè)定法》。

1.4.4 米糠粉中淀粉體外消化特性分析 米糠粉的體外消化率測(cè)定根據(jù) Tian等[20]和Edwards等[21]方

法稍作修改。取3g樣品于50mL離心管中,沸水浴15min后冷卻至室溫。加入20mL0.3mol/L氯化

鈉,40℃恒溫水浴5min,加入0.4mL0.1g/mL胃蛋白酶。再于40℃、150r/min條件下水浴震蕩1h,

加入pH=6.8的磷酸鹽緩沖溶液至50mL,然后加入1mL2500U/mL葡萄糖苷酶,40℃下,150r/min

的水浴搖床中,分別在0、20、30、60、90、120min時(shí)取0.5mL上清液于離心管中沸水浴5min。4000r/min

離心8min,取上清液用葡萄糖試劑盒測(cè)定葡萄糖含量。按照式(3)~(6)分別測(cè)定米糠粉的eGI值、快消

化淀粉(RDS)、慢消化淀粉(SDS)及抗性淀粉(RS)。

eGI=39.71+0.549HI (3)

其中,eGI為血糖生成指數(shù);HI為試樣水解曲線(xiàn)下的面積與白面包水解曲線(xiàn)下的面積之比。G0、G20、G120

為0、20、120min時(shí)的葡萄糖含量;TS為總淀粉的含量。

RDS=

G20 -G0

TS

×0.9×100% (4)

SDS=

G120 -G20

TS

×0.9×100% (5)

RS=

TS-RDS-SDS

TS

×0.9×100% (6)

1.5 數(shù)據(jù)處理

使用SPSS25.0對(duì)數(shù)據(jù)進(jìn)行顯著性分析,使用 Origin8.5繪圖。

2 結(jié)果與分析

2.1 脫鎘米糠粉工藝優(yōu)化

2.1.1 單因素試驗(yàn)結(jié)果與分析 如圖2所示,在45℃、50min條件下,隨著檸檬酸濃度的增大,鎘殘余

量呈先減少后增加的趨勢(shì)。當(dāng)檸檬酸濃度為0.08mol/L時(shí),鎘消除率最大。當(dāng)檸檬酸濃度持續(xù)增大,鎘

殘余量不再減少。這可能是由于檸檬酸中的羧基與鎘的配位達(dá)到飽和,使檸檬酸濃度的增加對(duì)鎘的提取

效果不顯著。在檸檬酸濃度為0.08mol/L、50min條件下,隨著反應(yīng)溫度的升高,鎘殘余量呈先緩慢減少

再增加的趨勢(shì)。鎘的消除率在45℃時(shí)達(dá)到最大,這可能是因?yàn)樵?5℃時(shí)鎘的擴(kuò)散率和檸檬酸的可及性

達(dá)到最佳。在檸檬酸濃度為0.08mol/L、溫度為45℃的條件下,隨著處理時(shí)間的延長(zhǎng),鎘殘余量呈先減少后

增加的趨勢(shì)。當(dāng)處理時(shí)間為50min時(shí),鎘殘余量最低。當(dāng)時(shí)間持續(xù)延長(zhǎng),鎘殘留量反而增多,這可能是因?yàn)?/p>

在反應(yīng)達(dá)到平衡狀態(tài)后,檸檬酸與鎘的結(jié)合穩(wěn)定性相對(duì)減弱,鎘以不溶性形式存在,導(dǎo)致過(guò)長(zhǎng)的反應(yīng)時(shí)間對(duì)

鎘消除率無(wú)影響[22]。最終得到檸檬酸處理適宜條件為檸檬酸濃度為0.07~0.09mol/L、溫度為42~48℃、

時(shí)間為45~55min。

圖2 脫鎘米糠粉工藝的單因素試驗(yàn)

Fig.2 Singlefactortestofricebrancadmiumremovalprocess

62 安徽科技學(xué)院學(xué)報(bào) 2024年

2.1.2 響應(yīng)面試驗(yàn) 在單因素試驗(yàn)基礎(chǔ)上,以檸檬酸濃度(A)、處理溫度(B)和處理時(shí)間(C)為自變量,

鎘消除率(Y)為因變量進(jìn)行響應(yīng)面試驗(yàn)。響應(yīng)面設(shè)計(jì)方案及結(jié)果如表3所示,二次回歸參數(shù)模型結(jié)果見(jiàn)

表4。

表3 脫鎘米糠粉工藝的試驗(yàn)方案及結(jié)果

Table3 Experimentalplanandresultsofricebrancadmiumremovalprocess

試驗(yàn)號(hào) 檸檬酸濃度(A)/(mol/L) 處理溫度(B)/℃ 處理時(shí)間(C)/min 鎘消除率/%

1 0.09 48 50 100.0

2 0.07 48 50 99.0

3 0.09 42 50 96.4

4 0.07 42 50 95.0

5 0.09 45 55 94.5

6 0.07 45 55 93.7

7 0.09 45 45 95.1

8 0.07 45 45 93.0

9 0.08 48 55 95.5

10 0.08 42 55 90.8

11 0.08 48 45 94.2

12 0.08 42 45 93.5

13 0.08 45 50 99.3

14 0.08 45 50 99.6

15 0.08 45 50 100.0

16 0.08 45 50 98.3

17 0.08 45 50 100.0

表4 脫鎘米糠粉工藝回歸模型系數(shù)的顯著性檢驗(yàn)

Table4 Significancetestofregressionmodelcoefficientsforricebrancadmiumremovalprocess

方差來(lái)源 平方和 自由度 均方和 F P 顯著性

模型 136.49 9 15.17 36.74 <0.0001 **

A 3.51 1 3.51 8.51 0.0225 *

B 21.12 1 21.12 51.18 0.0002 **

C 0.2112 1 0.2112 0.5118 0.4975

AB 0.0400 1 0.0400 0.0969 0.7646

AC 0.4225 1 0.4225 1.02 0.3454

BC 4.00 1 4.00 9.69 0.0170 *

A2 1.68 1 1.68 4.08 0.0831

B2 6.14 1 6.14 14.87 0.0062 **

C2 94.30 1 94.30 228.45 <0.0001 **

殘差 2.89 7 0.4128

失擬項(xiàng) 0.9175 3 0.3058 0.6204 0.6379

純誤差 1.97 4 0.4930

總離差 139.38 16

注:**表示差異極顯著(P<0.01);*表示差異顯著(P<0.05)。下同。

由表4可知,回歸模型的P<0.0001,模型達(dá)到極顯著,表明該模型具有統(tǒng)計(jì)學(xué)意義;失擬項(xiàng)P 為

0.6379,大于0.05,表明失擬項(xiàng)不顯著,模型不失擬,選擇合理;相關(guān)系數(shù)R2=0.9793,該模型能解釋響

應(yīng)值的變化;校正決定系數(shù)R2

Adj=0.9526,該模型擬合程度較好,因此可用此模型對(duì)米糠粉中金屬鎘的消

除工藝進(jìn)行分析和預(yù)測(cè)[23]。以上數(shù)據(jù)通過(guò)Design-Expert8.0.6軟件計(jì)算得出該模型的二次回歸方程為

Y=99.44-0.6625A-1.62B+0.1625C-0.1AB-0.325AC+BC-0.6325A2-1.21B2-4.73C2。

從方差分析表可知,FA=8.51,FB=51.18,FC=0.5118,可知各因素對(duì)鎘消除率的影響程度為B(反

應(yīng)溫度)>A(檸檬酸濃度)>C(反應(yīng)時(shí)間),模型的一次項(xiàng)對(duì)結(jié)果的影響為 A、B顯著(P<0.05),C不顯

著(P>0.05);模型二次項(xiàng)對(duì)結(jié)果的影響為 A2 不顯著(P>0.05),B2 與C2 極顯著(P<0.01),模型交叉

項(xiàng)對(duì)結(jié)果影響為 AB、AC不顯著(P>0.05),BC顯著(P<0.05)。回歸模型預(yù)測(cè)的最優(yōu)工藝條件為處理

溫度為43℃、處理時(shí)間為50.09min、檸檬酸濃度0.078mol/L。為驗(yàn)證響應(yīng)面模型的可靠性及實(shí)踐性,

第38卷第2期 顏 榕,等:食品級(jí)米糠粉開(kāi)發(fā)工藝優(yōu)化及營(yíng)養(yǎng)消化特性 63

選取最適工藝條件為處理溫度為43℃、處理時(shí)間為50min、檸檬酸濃度0.08mol/L。

2.1.3 響應(yīng)面分析 為了進(jìn)一步探討各因素間交互作用的影響,固定任意因素(0水平)不變,比較各因

素兩兩交互對(duì)鎘消除率的影響[24]。如圖3所示,當(dāng)檸檬酸濃度為0.08mol/L時(shí),反應(yīng)溫度與反應(yīng)時(shí)間的

交互作用對(duì)鎘消除率影響顯著。當(dāng)反應(yīng)溫度為50℃時(shí),檸檬酸濃度與反應(yīng)時(shí)間的交互作用對(duì)鎘消除率的

影響較不明顯。當(dāng)反應(yīng)時(shí)間為45min時(shí),從曲面上可看出檸檬酸濃度與反應(yīng)溫度的交互作用對(duì)鎘消除率

的影響不明顯。

圖3 脫鎘米糠粉工藝的各因素相互作用響應(yīng)面圖

Fig.3 Responsesurfacediagramofinteractionbetweenfactorsinricebrancadmiumremovalprocess

64 安徽科技學(xué)院學(xué)報(bào) 2024年

2.1.4 驗(yàn)證實(shí)驗(yàn) 為驗(yàn)證響應(yīng)面模型的可靠性,按照響應(yīng)面優(yōu)化參數(shù)進(jìn)行3組平行實(shí)驗(yàn)。最終鎘消除率

為99.98%±0.01%,與預(yù)測(cè)結(jié)果基本一致,因此該模型能較好預(yù)測(cè)實(shí)際鎘消除狀況。

2.2 低植酸脫鎘米糠粉工藝優(yōu)化

2.2.1 單因素試驗(yàn) 如圖4所示,料液比對(duì)植酸消除率的影響不顯著。隨著料液比的增大,植酸消除率

趨于平緩;料液比為1∶20g/mL時(shí),植酸消除率急劇下降。綜合考慮效率與節(jié)能,得到最適料液比為

1∶10g/mL。當(dāng)統(tǒng)一其他因素不變時(shí),隨著pH 的升高,植酸消除率先增加后減小,pH 為6.5時(shí),植酸消

除率達(dá)到最大。隨著溫度的升高,植酸消除率先增加后減少,溫度為50℃時(shí)最佳。隨著植酸酶添加量的

增加,植酸消除率先增加后降低,植酸酶添加量為0.12%時(shí),效果最佳。反應(yīng)時(shí)間對(duì)植酸消除率的影響為

隨著反應(yīng)時(shí)間的延長(zhǎng),植酸消除率先增加后降低。處理時(shí)間為90min時(shí),效果最佳。綜上,植酸酶處理的

最適反應(yīng)條件為處理時(shí)間為70~110min、植酸酶添加量為0.08%~0.16%、pH 為6~7。

圖4 低植酸脫鎘米糠粉工藝的單因素試驗(yàn)

Fig.4 Singlefactortestoflowphyticaciddecadmiumdecadmiumricebranprocess

2.2.2 響應(yīng)面優(yōu)化 由單因素試驗(yàn)可知,料液比、反應(yīng)溫度對(duì)植酸消除率影響不顯著。因此,選取處理時(shí)

間(A)、植酸酶添加量(B)及pH(C)為自變量,米糠粉中植酸消除率(Y)為因變量進(jìn)行響應(yīng)面試驗(yàn)。響應(yīng)

面設(shè)計(jì)方案及結(jié)果見(jiàn)表5,二次回歸參數(shù)模型結(jié)果如表6所示。由表6分析可知,回歸模型的P<0.0001,模

型達(dá)到極顯著,該模型具有統(tǒng)計(jì)學(xué)意義;失擬項(xiàng)P 為0.5927,>0.05,失擬項(xiàng)不顯著,模型合理;相關(guān)系數(shù)

R2=0.9876,說(shuō)明該模型能解釋響應(yīng)值的變化趨勢(shì);校正決定系數(shù)R2

Adj=0.9717,該模型擬合程度較

好[25]。該模型的二次回歸方程為Y=98.59+0.12A-0.125B-0.1525C-0.0075AB-0.0925AC+

0.0325BC-0.2213A2-0.1363B2-0.2312C2。各因素對(duì)米糠粉中植酸消除率的影響程度為C(pH)>B

(植酸酶添加量)>A(反應(yīng)時(shí)間),模型的一次項(xiàng)對(duì)結(jié)果的影響:A、B、C均顯著(P<0.05);模型二次項(xiàng)對(duì)

結(jié)果的影響:A2、B2、C2 均顯著(P<0.05);模型交叉項(xiàng)對(duì)結(jié)果的影響:AC顯著(P<0.05);AB、BC不顯

著(P>0.05)?；貧w模型預(yù)測(cè)的最優(yōu)工藝條件為植酸酶添加量為0.10%、反應(yīng)時(shí)間為98min、pH 為6.2。

2.2.3 響應(yīng)面分析 植酸酶處理響應(yīng)面結(jié)果如圖5所示。當(dāng)pH 為6.5時(shí),從曲面上可看出反應(yīng)時(shí)間與

植酸酶添加量的交互作用對(duì)植酸消除率的影響明顯。當(dāng)反應(yīng)時(shí)間為50min時(shí),pH 與植酸酶添加量的交

互作用對(duì)植酸消除率的影響顯著。當(dāng)植酸酶添加量為0.12%時(shí),反應(yīng)時(shí)間與pH 的交互作用對(duì)植酸消除

率的影響顯著。

2.2.4 驗(yàn)證實(shí)驗(yàn) 為驗(yàn)證響應(yīng)面模型的可靠性,按照響應(yīng)面優(yōu)化參數(shù)進(jìn)行3組平行實(shí)驗(yàn)。最終植酸消除

率為98.67%±0.02%,與預(yù)測(cè)結(jié)果基本一致,因此該模型能較好預(yù)測(cè)實(shí)際植酸消除狀況。

第38卷第2期 顏 榕,等:食品級(jí)米糠粉開(kāi)發(fā)工藝優(yōu)化及營(yíng)養(yǎng)消化特性 65

表5 低植酸脫鎘米糠粉工藝試驗(yàn)方案及結(jié)果

Table5 Testschemeandresultsoflowphyticaciddecadonizationofricebran

試驗(yàn)號(hào) 處理時(shí)間(A)/min 植酸酶添加量(B)/% pH(C) 植酸消除率/%

1 110 0.16 6.5 98.24

2 70 0.16 6.5 98.50

3 110 0.08 6.5 97.98

4 70 0.08 6.5 98.21

5 110 0.12 7.0 98.06

6 70 0.12 7.0 98.48

7 110 0.12 6.0 97.98

8 70 0.12 6.0 98.03

9 90 0.16 7.0 98.54

10 90 0.08 7.0 98.25

11 90 0.16 6.0 98.13

12 90 0.08 6.0 97.97

13 90 0.12 6.5 98.56

14 90 0.12 6.5 98.58

15 90 0.12 6.5 98.67

16 90 0.12 6.5 98.58

17 90 0.12 6.5 98.56

表6 低植酸脫鎘米糠粉工藝回歸模型系數(shù)的顯著性檢驗(yàn)

Table6 Significancetestofregressionmodelcoefficientofricebranprocesswithlowphyticaciddecadmization

方差來(lái)源 平方和 自由度 均方和 F P 顯著性

模型 1.0300 9 0.1145 62.13 <0.0001 **

A 0.1152 1 0.1152 62.51 <0.0001 **

B 0.1250 1 0.1250 67.83 <0.0001 **

C 0.1961 1 0.1861 100.96 <0.0001 **

AB 0.0002 1 0.0002 0.1221 0.7371

AC 0.0342 1 0.0342 18.57 0.0035 *

BC 0.0042 1 0.0042 2.29 0.1738

A2 0.2061 1 0.2061 111.84 <0.0001 **

B2 0.0782 1 0.0782 42.41 0.0003 *

C2 0.2252 1 0.2252 122.18 <0.0001 **

殘差 0.0129 7 0.0018

失擬項(xiàng) 0.0045 3 0.0015 0.7143 0.5927

純誤差 0.0084 4 0.0021

總離差 1.0400 16

2.3 食品級(jí)米糠粉基本成分分析

新鮮米糠粉、脫鎘米糠粉及低植酸脫鎘米糠粉的基本成分如表7所示。與新鮮米糠粉相比,脫鎘米糠

粉和低植酸脫鎘米糠粉中的灰分含量分別降低了2.7%、3.06%。這可能是由于檸檬酸在除鎘過(guò)程中,也

去除了其他礦物質(zhì)元素。相關(guān)研究證明,植酸-金屬配合物比檸檬酸鹽-金屬配合物更不穩(wěn)定,檸檬酸鹽可

作為螯合劑恢復(fù)米糠粉中內(nèi)源性植酸酶活性,提高礦物質(zhì)的溶解性。脫鎘米糠粉與低植酸脫鎘米糠粉中

的灰分含量無(wú)顯著差異,說(shuō)明檸檬酸除鎘過(guò)程中,降解了米糠粉中大部分的礦物質(zhì)元素。與新鮮米糠粉相

比,低植酸脫鎘米糠粉中的蛋白質(zhì)含量提高了1.83%,總淀粉含量提高了5.37%。這可能是由于米糠粉

經(jīng)檸檬酸、植酸酶處理后釋放出更多的不溶性蛋白質(zhì)。另一方面是由于灰分及脂肪含量損失后,米糠粉中

蛋白質(zhì)和淀粉的相對(duì)含量增加。綜上,新鮮米糠粉經(jīng)過(guò)檸檬酸除鎘、植酸酶降植酸處理后品質(zhì)得到有效

提升。

表7 米糠粉基本成分

Table7 Basiccomponentsofricebran

類(lèi)別 水分/% 灰分/% 脂肪/% 蛋白質(zhì)/% 淀粉/%

新鮮米糠粉 11.03±0.18a 9.49±0.41a 18.59±0.38a 13.84±0.51b 19.26±0.20c

脫鎘米糠粉 8.31±0.14b 6.79±0.15b 10.89±0.3b 13.46±0.29b 20.57±0.17b

低植酸脫鎘米糠粉 6.81±0.03c 6.43±0.15b 10.64±0.51b 15.67±0.35a 24.63±0.18a

注:同一列不同字母表示該水平下差異顯著。

66 安徽科技學(xué)院學(xué)報(bào) 2024年

圖5 低植酸脫鎘米糠粉工藝的各因素相互作用響應(yīng)面圖

Fig.5 Interactionresponsesurfacediagramofprocessfactorsforlow-phyticaciddecadmizationofricebran

2.4 米糠粉中淀粉體外消化特性分析

新鮮米糠粉、脫鎘米糠粉及低植酸脫鎘米糠粉的體外消化速率如圖6所示,米糠粉在被攝入的

20min內(nèi),淀粉消化速率最快,其中新鮮米糠粉最快。隨著消化時(shí)間的延長(zhǎng),淀粉消化速率減慢。其中新

鮮米糠粉的淀粉消化率最低,低植酸脫鎘米糠粉最高。這是由于新鮮米糠粉中植酸含量高,阻礙人體對(duì)淀

粉的消化吸收。其次,新鮮米糠粉中的抗性淀粉含量比低植酸脫鎘米糠粉中的抗性淀粉含量高。相比新

鮮米糠粉,低植酸脫鎘米糠粉更適合食品加工。

第38卷第2期 顏 榕,等:食品級(jí)米糠粉開(kāi)發(fā)工藝優(yōu)化及營(yíng)養(yǎng)消化特性 67

圖6 各類(lèi)米糠粉中淀粉消化速率

Fig.6 Starchdigestionrateinvarioustypesofricebran

表8顯示,新鮮米糠粉、脫鎘米糠粉及低植酸脫鎘米糠粉的eGI值分別為48.40、49.39、52.61;快消

化淀粉含量依次為31.80%、25.30%、28.99%;慢消化淀粉的含量依次為9.00%、17.40%、21.38%;抗性

淀粉的含量依次為59.20%、57.30%、49.63%。低植酸脫鎘米糠粉總淀粉含量最高,抗性淀粉含量最低,

慢消化淀粉含量最高。經(jīng)植酸酶處理的米糠粉淀粉消化率更高。慢消化淀粉延長(zhǎng)了淀粉釋放能量的時(shí)

間,增強(qiáng)飽腹感。經(jīng)該方法處理的米糠粉可運(yùn)用于減肥代餐食品的開(kāi)發(fā)。

表8 各類(lèi)米糠粉中淀粉類(lèi)別及含量分析

Table8 Classificationandcontentanalysisofpowderstarch

類(lèi)別 RDS/% SDS/% RS/% HI eGI

新鮮米糠粉 31.80 9.00 59.20 47.79 48.40

脫鎘米糠粉 25.30 17.40 57.30 46.99 49.39

低植酸脫鎘米糠粉 28.99 21.38 49.63 51.52 52.61

3 結(jié)論

本研究通過(guò)單因素響應(yīng)面優(yōu)化試驗(yàn)得出檸檬酸除鎘的最優(yōu)工藝條件為檸檬酸-米糠粉懸濁液的最終

pH為3、超聲波輔助提取時(shí)間為30min、檸檬酸濃度為0.08mol/L、反應(yīng)溫度為43℃、反應(yīng)時(shí)間為50min,

鎘消除率達(dá)99.98%。植酸酶處理的最適條件為料液比為1∶10g/mL、反應(yīng)時(shí)間為98min、反應(yīng)溫度為

50℃、pH 為6.2、植酸酶添加量為0.10%,植酸消除率達(dá)98.67%。該工藝條件下,米糠粉中的鎘及植酸

殘余量最少。與新鮮米糠粉相比,低植酸脫鎘米糠粉中的灰分含量減少了3.06%,總淀粉含量升高了

5.37%,其中抗性淀粉含量減少,蛋白質(zhì)含量升高了1.83%。米糠粉的品質(zhì)得到有效提高,有利于米糠在

食品領(lǐng)域的后續(xù)加工與運(yùn)用。

參考文獻(xiàn):

[1] 鄒昱成,鞠興榮,何榮,等.食品配料米糠的研究進(jìn)展[J].中國(guó)糧油學(xué)報(bào),2018,33(7):123-129.

[2] 左英秀,沈軍.稻米加工副產(chǎn)物米糠綜合利用的研究[J].糧食與食品工業(yè),2020,27(6):11-14.

[3] 馬宗會(huì),殷寶茹,張海,等.食品級(jí)米糠的研究進(jìn)展及前景展望[J].糧油食品科技,2021,29(5):11-20.

[4] KANCHIM M,SHANMUGAM MK,RANEG,etal.Tocotrienols:TheunsaturatedsidekickshiftingnewparadigmsinvitaminEtherapeutics[J].DrugDiscovToday,2017,22(12):1765-1781.

[5] 姜平,吳娜娜,翟小童,等.米糠生物活性物質(zhì)及其應(yīng)用研究的進(jìn)展[J].中國(guó)糧油學(xué)報(bào),2021,36(10):188-195.

[6] ALEIXANDREA,MIGUELM.Dietaryfiberandbloodpressurecontrol[J].FoodFunct,2016,7(4):1864-1871.

[7] PEREIRA M A,PINSJJ.Dietaryfiberandcardiovasculardisease:Experimentalandepidemiologicadvances[J].

CurrAtherosclerRep,2000,2(6):494-502.

68 安徽科技學(xué)院學(xué)報(bào) 2024年

[8] 胡彬,柴程,戰(zhàn)虎.酶法降解米糠中植酸的工藝研究[J].食品研究與開(kāi)發(fā),2017,38(20):119-122.

[9] SARWARGILANIG,XIAOCW,COCKELLKA.Impactofantinutritionalfactorsinfoodproteinsonthedigestibilityofproteinandthebioavailabilityofaminoacidsandonproteinquality[J].BrJNutr,2012,108(S2):315-332.

[10] 魏帥.稻米中鎘元素分布部位及賦存形態(tài)研究[D].北京:中國(guó)農(nóng)業(yè)科學(xué)院,2016.

[11] 余誠(chéng)瑋.米糠營(yíng)養(yǎng)成分與酸敗成因的分析與控制[D].南昌:南昌大學(xué),2022.

[12] 李彭,沈典英,宋歌,等.食品中重金屬脫除技術(shù)的最新研究進(jìn)展[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào),2023,14(9):78-84.

[13] DELDACERADM,BABELS.Useofcitricacidforheavymetalsextractionfromcontaminatedsewagesludgefor

landapplication[J].WaterSciTechnol,2006,54(9):129-135.

[14] 吳曉萍,梁鵬,徐慧,等.檸檬酸提取貝肉勻漿液中重金屬鎘的初步研究[J].食品研究與開(kāi)發(fā),2011,32(5):156-158.

[15] FEIZOLLAHIE,MIRMAHDIRS,ZOGHIA,etal.Reviewofthebeneficialandanti-nutritionalqualitiesofphytic

acid,andproceduresforremovingitfromfoodproducts[J].FoodResInt,2021,143:110284.

[16] SIVAKUMARV,SWAMINATHANG,RAOPG.Useofultrasoundinsoakingforimprovedefficiency[J].JSoc

LeatherTechnolChem,2004,88:249-251.

[17] POROVAN,BOTVINNIKOVAV,KRASULYAO,etal.Effectofultrasonictreatmentonheavymetaldecontaminationinmilk[J].UltrasonSonochem,2014,21(6):2107-2111.

[18] MOHAMMADIF,MARTIA,NAYEBZADEHK,etal.Effectofwashing,soakingandpHincombinationwith

ultrasoundonenzymaticrancidity,phyticacid,heavymetalsandcoliformsofricebran[J].FoodChem,2021,

334:127583.

[19] 蔣勇,王友國(guó),梁葉星,等.重慶糯小米米糠的穩(wěn)定化及脫脂工藝優(yōu)化[J].食品科學(xué),2015,36(8):54-60.

[20] TIANJH,CAIYD,QIN W,etal.Parboilingreducedthecrystallinityandinvitrodigestibilityofnon-waxyshort

grainrice[J].FoodChem,2018,257:23-28.

[21] EDWARDSCH,WARRENFJ,MILLIGANPJ,etal.Anovelmethodforclassifyingstarchdigestionbymodellingtheamylolysisofplantfoodsusingfirst-orderenzymekineticprinciples[J].FoodFunct,2014,5(11):

2751-2758.

[22] ZOUYC,ZHANGC,JUXR,etal.Effectofremovingcadmiumwithcitricacidonthephysicochemicalandmicrostructurepropertiesofricebran[J].FoodContr,2019,98:290-296.

[23] 劉旭華,孫強(qiáng)強(qiáng),楊麗萍,等.黑全麥饅頭工藝優(yōu)化及消化特性分析[J].安徽科技學(xué)院學(xué)報(bào),2023,37(2):57-65.

[24] 馬菲菲,劉俊杰,翟立公,等.響應(yīng)面法優(yōu)化桑葚甜橙復(fù)合飲料制作工藝[J].安徽科技學(xué)院學(xué)報(bào),2021,35(3):48-53.

[25] WANGRC,GUOST.Phyticacidanditsinteractions:Contributionstoproteinfunctionality,foodprocessing,and

safety[J].ComprRevFoodSciFoodSaf,2021,20(2):2081-2105.

(責(zé)任編輯:顧文亮)

第38卷第2期 顏 榕,等:食品級(jí)米糠粉開(kāi)發(fā)工藝優(yōu)化及營(yíng)養(yǎng)消化特性 69

安徽科技學(xué)院學(xué)報(bào),2024,38(2):70-78

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2023-11-04

基金項(xiàng)目:安徽省中央引導(dǎo)地方科技發(fā)展專(zhuān)項(xiàng)(202107d06020021);安徽省高校協(xié)同創(chuàng)新項(xiàng)目(GXXT-2019-011);滁州市科技計(jì)劃項(xiàng)目

(2022ZN013)。

作者簡(jiǎn)介:林春寅(1999-),男,安徽合肥人,碩士研究生,主要從事食品加工與安全研究,E-mail:751930290@qq.com。

通信作者:杜傳來(lái),教授,E-mail:ducl@ahstu.edu.cn。

滁菊米酒發(fā)酵工藝優(yōu)化

林春寅, 李雅麗, 杜傳來(lái)*

(安徽科技學(xué)院 食品工程學(xué)院,安徽 鳳陽(yáng) 233100)

摘 要:目的:探究滁菊米酒的最佳發(fā)酵工藝。方法:通過(guò)單因素試驗(yàn)確定發(fā)酵酵母、發(fā)酵時(shí)間、酵母接種

量、發(fā)酵溫度和物料比,通過(guò)響應(yīng)面試驗(yàn)構(gòu)建Box-Behnken多元回歸模型確定滁菊米酒的最佳工藝。結(jié)

果:本試驗(yàn)最佳酵母為安琪釀酒曲,最佳配比為200g糯米,滁菊與糯米物料比2%,酵母接種量0.9%,發(fā)

酵溫度28℃,發(fā)酵時(shí)間7d;在此工藝下生產(chǎn)的滁菊米酒酒精度為9.10%vol,可溶性固形物含量11.90°Brix,

黃酮含量為1.98mg/L,總酸含量為2.48g/L。結(jié)論:在該條件下的滁菊米酒色澤均勻,并帶有滁菊香

味,口感極佳。

關(guān)鍵詞:滁菊;糯米;發(fā)酵;工藝優(yōu)化

中圖分類(lèi)號(hào):S852.3 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0070-09

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0210

OptimizationoffermentationtechnologyofChuzhouchrysanthemumricewine

LINChunyin, LIYali, DUChuanlai*

(CollegeofFoodEngineering,AnhuiScienceandTechnologyUniversity,Fengyang233100,China)

Abstract:Objective:ThebestfermentationtechnologyofChuzhouchrysanthemumricewinewasstudied

byusingglutinousriceandChuzhouchrysanthemum asraw materials.Methods:Thefermentation

yeast,fermentationtime,yeastinoculationamount,fermentationtemperatureandmaterialratiowere

determinedthroughsinglefactorexperiments,andtheBox-Behnken multipleregression modelwas

establishedusingresponsesurface methodologyto optimizethe processconditionsfor Chuzhou

chrysanthemumricewine.Results:Thebestyeastinthisexperimentwasangelstarterofliquormaking.Theoptimumratiowas200gglutinousrice,thematerialratioofChuzhouchrysanthemumand

glutinousricewas2%,yeastadditionof0.9%,fermentationtemperatureof28℃,fermentationtime

of7d,thealcoholcontentofChuzhouchrysanthemumricewinewas9.10%vol,solublesolidcontentwas

11.90°Brix;flarohoidscontentwas1.98mg/L;totalacidcontentswas2.48g/L.Conclusion:Underthese

conditions,Chuzhouchrysanthemumricewinehasuniformcolor,Chuzhouchrysanthemumfragrance

andexcellenttaste.

Keywords:Chuzhouchrysanthemum;Stickyrice;Fermentation;Processoptimization

滁菊(Chuzhouchrysanthemum)是安徽省滁州市地方特色農(nóng)產(chǎn)品,名列中國(guó)“四大藥菊”之首,享有

“金心玉瓣、翠蒂天香”之美譽(yù)[1]。滁菊不僅具有出色的觀賞價(jià)值,其食藥價(jià)值也相當(dāng)顯著。研究表明,滁

菊含有多酚類(lèi)、黃酮類(lèi)、萜類(lèi)、多糖等活性物質(zhì)和微量元素[2],具有清熱解毒、消炎等[3]作用,對(duì)頭痛[4]和高

血壓[5]等也有一定的作用。同時(shí)具有清肝明目[6]、防止血栓形成[7]、增強(qiáng)免疫[8]等作用。

近年來(lái),以菊花為原材料的相關(guān)食品研發(fā)已取得了一定的研究成果。張興亮等[9]成功地利用菊花、板

棗、枸杞和山楂混合粉研制開(kāi)發(fā)出有益于健康的菊香特色飲品。當(dāng)混合粉添加比例為70%菊花粉、6%板

棗粉、6%枸杞粉、4%山楂粉,浸提溫度為80℃,浸提時(shí)間為6h,料液比為1∶5(g/mL)時(shí)得到的飲料風(fēng)

味營(yíng)養(yǎng)俱佳;裴萌萌等[10]以菊花和桑葉為功能原料制備一款餅干,其最佳配方為45.0g低筋面粉、5.0g

小麥淀粉、5.0g奶粉、0.3g菊花粉、1.5g桑葉、12g植物油、17.0g水、0.3g食鹽、0.8g復(fù)合膨松劑,烘

烤溫度上火為160℃、下火165℃,烘烤時(shí)間為15min;Khan等[11]發(fā)現(xiàn)在燒煮羊肉餅的時(shí)候,添加0.2%

菊花萃取物,可以在烹飪的過(guò)程中阻止雜環(huán)胺的產(chǎn)生;章葦虹等[12]研制了一款黃酮含量為1.76%,蛋白質(zhì)

含量為1.08g/kg的滁菊水果酵素,這款滁菊水果酵素最佳配方為火龍果添加量為150g/L、滁菊添加量為

6g/L、白砂糖添加量為145g/L、發(fā)酵30d;陶敏[13]開(kāi)發(fā)出一款滁菊超微粉酸奶,與原味酸奶相比,這款滁

菊超微粉酸奶營(yíng)養(yǎng)成分更豐富,風(fēng)味更佳,蛋白質(zhì)含量、非脂乳固體含量和乳酸菌總數(shù)均高于原味酸奶,其

最理想配方為1000目滁菊超微粉添加量為0.2%、白砂糖添加量為5%、結(jié)冷膠添加量為0.3%、黃原膠

添加量為0.28%。

滁菊作為優(yōu)秀的藥食兼用資源[14],如能將其引入米酒的發(fā)酵生產(chǎn)中,既可提升糯米酒的營(yíng)養(yǎng)價(jià)值也

可增加其保健性能,同時(shí)也有助于提高滁菊的食用價(jià)值及農(nóng)產(chǎn)品資源的利用效率。糯米因其滋補(bǔ)氣血、強(qiáng)

健脾胃的效果而被人們所熟知[15],滁菊中各種活性物質(zhì)及風(fēng)味物質(zhì)能賦予米酒更醇厚的口感、獨(dú)特的風(fēng)

味和香味。在釀制過(guò)程中,發(fā)酵條件對(duì)酒的品質(zhì)起著至關(guān)重要的作用。因此,本研究旨在優(yōu)化滁菊米酒的

發(fā)酵工藝,豐富米酒的產(chǎn)品類(lèi)型,以期能為滁菊米酒的工業(yè)化生產(chǎn)提供一定的指導(dǎo)。

1 材料與方法

1.1 材料與儀器

滁菊花(滁州市宏福保健品有限公司);新鮮糯米(無(wú)霉變、無(wú)病蟲(chóng)害的新鮮糯米購(gòu)自鳳陽(yáng)天潤(rùn)發(fā)超

市);安琪紹酒風(fēng)味 T3釀酒曲、安琪小粬、安琪釀酒曲(安琪酵母股份有限公司);無(wú)水乙醇、硝酸鋁(上海

泰坦科技股份有限公司);蘆丁(福州飛凈生物科技有限公司);亞硝酸鈉(天津市恒興化學(xué)試劑制造有限公

司);氫氧化鈉、酚酞指示劑(國(guó)藥集團(tuán)化學(xué)試劑有限公司)。

UPR-II-40L型超純水儀(上海沛升儀器設(shè)備有限公司);WH-15型恒溫培養(yǎng)箱(維根技術(shù)(北京)有限

公司);WA20型水浴鍋(維根技術(shù)(北京)有限公司);UA10MFDN型超聲清洗機(jī)(維根技術(shù)(北京)有限公

司);YCD-EL300型醫(yī)用冷藏冷凍箱(中科美菱低溫科技股份有限公司);SW-CJ-ID型超凈工作臺(tái)(上海

力辰儀器科技有限公司);TD30002A型電子天平(上海力辰儀器科技有限公司);L550型醫(yī)用離心機(jī)(湖

南湘儀實(shí)驗(yàn)室儀器開(kāi)發(fā)有限公司);SP-752型紫外可見(jiàn)分光光度計(jì)(上海光譜儀器有限公司);HT511ATC

型酒精計(jì)(上海束句儀器科技有限公司);LYT-330型折光儀(上海淋譽(yù)貿(mào)易有限公司)。

1.2 試驗(yàn)方法

1.2.1 滁菊粉的制備 將滁菊干花破碎,80目篩過(guò)濾,得到滁菊粉,密封,-20℃冷凍備用[16]。

1.2.2 工藝流程 糯米→挑選→精米→浸泡→蒸飯→冷卻→拌曲→添加滁菊粉→滁菊米酒。

1.2.3 不同菌酵母對(duì)酒化發(fā)酵的影響 分批稱(chēng)取3份200g蒸熟冷卻的糯米,分別加入0.8%的安琪紹

酒風(fēng)味T3釀酒曲、安琪小粬、安琪釀酒曲,攪拌均勻后加入2%滁菊粉,置于28℃恒溫培養(yǎng)箱中發(fā)酵7d。

第7天測(cè)定酒精度和可溶性固形物含量。

1.2.4 發(fā)酵時(shí)間對(duì)酒化發(fā)酵的影響 分批稱(chēng)取200g蒸熟冷卻的糯米,加入0.8%酵母,攪拌均勻后加入

2%滁菊粉,以酒精度和二氧化碳損失質(zhì)量為評(píng)價(jià)指標(biāo),置于28℃恒溫培養(yǎng)箱中發(fā)酵7d,每24h測(cè)定酒

第38卷第2期 林春寅,等:滁菊米酒發(fā)酵工藝優(yōu)化 71

精度和二氧化碳損失質(zhì)量,直至發(fā)酵結(jié)束。

1.2.5 酵母的接種量對(duì)酒化發(fā)酵的影響 分批稱(chēng)取200g蒸熟冷卻的糯米,加入0.4%、0.6%、0.8%、

1.0%、1.2%酵母,攪拌均勻后加入2%滁菊粉,置于28℃恒溫培養(yǎng)箱中發(fā)酵7d。第7天測(cè)定酒精度和

可溶性固形物含量。

1.2.6 發(fā)酵溫度對(duì)酒化發(fā)酵的影響 分批稱(chēng)取200g蒸熟冷卻的糯米,加入0.8%酵母,攪拌均勻后加入

2%滁菊粉,等量分批置于24、26、28、30、32℃恒溫培養(yǎng)箱中發(fā)酵7d。第7天測(cè)定酒精度和可溶性固形物

含量。

1.2.7 物料比對(duì)酒化發(fā)酵的影響 分批稱(chēng)取200g蒸熟冷卻的糯米,加入0.8%酵母,攪拌均勻后加入

0%、1%、2%、3%、4%滁菊粉,置于28 ℃恒溫培養(yǎng)箱中發(fā)酵7d。第7天測(cè)定酒精度和可溶性固形物

含量。

1.2.8 響應(yīng)面優(yōu)化滁菊米酒最佳工藝 通過(guò)單因素試驗(yàn)[17]確定滁菊與糯米物料比、酵母接種量、發(fā)酵溫

度的最適條件。在此基礎(chǔ)上,以酒精度為評(píng)價(jià)指標(biāo)設(shè)計(jì)響應(yīng)面三因素三水平試驗(yàn),從而確定滁菊米酒最優(yōu)

發(fā)酵工藝參數(shù)。試驗(yàn)設(shè)計(jì)因素水平見(jiàn)表1。

表1 響應(yīng)面試驗(yàn)設(shè)計(jì)因素水平

Table1 Responsesurfacetestdesignfactorlevel

水平 A物料比/% B酵母接種量/% C發(fā)酵溫度/℃

-1 1 0.6 26

0 2 0.8 28

1 3 1.0 30

1.2.9 滁菊米酒感官評(píng)價(jià) 根據(jù) NY/T1885-2017《綠色食品-米酒》建立感官評(píng)分標(biāo)準(zhǔn)(表2),并邀請(qǐng)

10位專(zhuān)家對(duì)滁菊發(fā)酵酒的進(jìn)行感官評(píng)價(jià),分別從外觀(10分)、香氣(30分)、滋味(40分)和組織狀態(tài)

(20分)進(jìn)行綜合評(píng)分。

表2 感官評(píng)價(jià)評(píng)分標(biāo)準(zhǔn)

Table2 Sensoryevaluationscoringcriteria

評(píng)分項(xiàng)目 評(píng)分標(biāo)準(zhǔn) 評(píng)價(jià)/分

外觀(10分) 色澤均勻、光亮且呈淡黃色 9~10

色澤偏暗且半透明 5~<9

色澤不均或其他異常顏色 <5

香氣(30分) 有明顯滁菊和米酒醇香,各香味和諧純正 25~30

滁菊香或米酒香過(guò)濃 20~<25

滁菊香或米酒香過(guò)淡 <20

滋味(40分) 口感細(xì)膩爽口、無(wú)異雜味 30~40

口感偏澀、柔和但不夠協(xié)調(diào) 20~<30

口感過(guò)澀有苦味或其他混雜氣味 <20

組織狀態(tài)(20分) 呈現(xiàn)米酒的正常組織狀態(tài) 15~20

與米酒正常的組織狀態(tài)較為接近 10~<15

與米酒正常組織狀態(tài)差別較大 <10

1.2.10 滁菊米酒理化指標(biāo)的測(cè)定 酒精度采用酒精度測(cè)量計(jì)測(cè)定;二氧化碳損失質(zhì)量采用稱(chēng)取發(fā)酵瓶

的重量[18];可溶性固形物含量采用手持折光儀測(cè)定[19];黃酮含量采用 NaNO2-Al(NO3)3 比色法測(cè)定[20];

總酸采用酸堿滴定法測(cè)定[21]。

1.3 數(shù)據(jù)處理

采用Design-Expert8.0.6軟件處理數(shù)據(jù),并利用 Origin2018軟件繪圖,所有試驗(yàn)重復(fù)3次。數(shù)據(jù)以

“平均值±標(biāo)準(zhǔn)差”表示。

72 安徽科技學(xué)院學(xué)報(bào) 2024年

2 結(jié)果與分析

2.1 酵母的選擇

用安琪釀酒曲、安琪小粬和安琪紹酒風(fēng)味T3釀酒曲發(fā)酵菊花酒,發(fā)酵結(jié)束后滁菊米酒酒精度和可溶

性固形物含量結(jié)果如圖1所示。滁菊米酒中酒精度由高至低依次為安琪釀酒曲>安琪紹酒風(fēng)味 T3釀酒

曲>安琪小粬,可溶性固形物含量由高至低依次為安琪小粬>安琪紹酒風(fēng)味 T3釀酒曲>安琪釀酒曲。

可溶性固形物含量反映了發(fā)酵過(guò)程中糖分被微生物利用的程度,由圖1B可知安琪釀酒曲在滁菊米酒發(fā)

酵過(guò)程中,糖分被快速耗盡,且消耗量最大,導(dǎo)致滁菊米酒的殘?zhí)呛孔畹?。通過(guò)酒精度和可溶性固形物

含量的比較,此時(shí)的發(fā)酵液酒精度高達(dá)8.7%vol,相較于安琪小粬和安琪紹酒風(fēng)味 T3釀酒曲,安琪釀酒

曲在滁菊米酒7d內(nèi)發(fā)酵能力最強(qiáng)。由此可見(jiàn)安琪釀酒曲更適合滁菊米酒酒化發(fā)酵。

圖1 不同酵母對(duì)滁菊米酒酒精度(A)和可溶性固形物(B)的影響

Fig.1 Effectsofdifferentyeastsonalcoholcontent(A)andsolublesolids(B)ofChuzhouchrysanthemumricewine

2.2 酒化發(fā)酵時(shí)間對(duì)酒精度和二氧化碳的影響

由圖2可知,在發(fā)酵初期,滁菊米酒的乙醇含量呈上升趨勢(shì),直至第7天達(dá)到最高值。之后,隨著發(fā)酵

時(shí)間的延長(zhǎng),乙醇含量不會(huì)繼續(xù)增加,而是逐漸趨于穩(wěn)定。由于擁有充足的底物和適宜的環(huán)境條件,在發(fā)

酵初期,酵母會(huì)快速繁殖。一旦進(jìn)入封閉階段,酵母開(kāi)始進(jìn)行厭氧代謝,此時(shí)乙醇迅速積聚會(huì)導(dǎo)致滁菊米

酒的酒精含量快速上升。當(dāng)酵母歷經(jīng)充沛的生長(zhǎng)和代謝后,最后結(jié)果會(huì)進(jìn)入老化階段,并最終死亡。此

外,隨著支持酵母生長(zhǎng)所需的底物大大減少,乙醇濃度的大幅提高也會(huì)抑制酵母的生長(zhǎng)和代謝,導(dǎo)致酵母

失去產(chǎn)酒能力。酒精發(fā)酵是酵母菌利用糖分進(jìn)行無(wú)氧呼吸,在酒精發(fā)酵的過(guò)程中會(huì)生成 CO2,發(fā)酵體系

的重量會(huì)隨著生成的CO2 排出而逐漸減輕。因此,CO2 的每天減少量可以反映發(fā)酵周期的終止,定時(shí)測(cè)

定發(fā)酵期間CO2 的減少量可反映發(fā)酵過(guò)程,從而確定發(fā)酵周期。前期CO2 減少量逐步增加,第2天開(kāi)始

CO2 減少量逐漸減少,第7天時(shí),二氧化碳損失質(zhì)量基本為零,表明發(fā)酵在第7天基本結(jié)束。

圖2 酒化發(fā)酵時(shí)間對(duì)滁菊米酒酒精度(A)和二氧化碳減少量(B)的影響

Fig.2 Effectsoffermentationtimeonalcoholcontent(A)andcarbondioxidereduction(B)ofChuzhouchrysanthemumricewine

第38卷第2期 林春寅,等:滁菊米酒發(fā)酵工藝優(yōu)化 73

2.3 酵母接種量對(duì)酒精度和可溶性固形物的影響

由圖3可知,酵母接種量過(guò)少會(huì)使滁菊米酒發(fā)酵緩慢,表現(xiàn)為產(chǎn)品酒精度較低、可溶性固形物殘留較

多,隨著酵母接種量的增加,發(fā)酵加速,酒精度逐漸增高。當(dāng)酵母接種量為0.8%時(shí),滁菊米酒酒精度最

高,可溶性固形物殘留最低。當(dāng)酵母接種量繼續(xù)提高時(shí),其酒精度有所下降,可溶性固形物含量有所上升,

因?yàn)檫^(guò)量接種會(huì)對(duì)滁菊米酒中乙醇的生成產(chǎn)生負(fù)面作用。鑒于滁菊米酒中的底物擁有固定的量,增加酵

母接種量會(huì)增強(qiáng)其將底物中的糖轉(zhuǎn)化為乙醇的能力。然而,當(dāng)酵母的接種量過(guò)高時(shí),其劇烈的呼吸會(huì)損耗

大量滁菊米酒底物中的糖,導(dǎo)致酵母無(wú)法有效地將底物轉(zhuǎn)化為乙醇。因此,最適宜的酵母接種量為

0.8%。

圖3 酵母接種量對(duì)滁菊米酒酒精度(A)和可溶性固形物(B)的影響

Fig.3 Effectsofyeastinoculationamountonalcoholcontent(A)andsolublesolids(B)ofChuzhouchrysanthemumricewine

2.4 酒化發(fā)酵溫度對(duì)酒精度和可溶性固形物的影響

發(fā)酵溫度對(duì)于滁菊米酒的發(fā)酵有著重要的影響。圖4的數(shù)據(jù)顯示,在一定范圍內(nèi)滁菊米酒酒精度會(huì)

隨著發(fā)酵溫度的提高不斷上升,可溶性固形物含量會(huì)隨之下降。當(dāng)溫度升至28℃時(shí),酒精度明顯增加,為

8.77%vol,可溶性固形物降低,為12.73°Brix。然而,如果持續(xù)提高發(fā)酵溫度至30℃和32℃時(shí),滁菊米

酒的酒精含量反而下降,可溶性固形物殘留升高。這是因?yàn)?8℃左右是酵母最理想的發(fā)酵溫度。當(dāng)溫度

過(guò)低時(shí),酵母的生長(zhǎng)和代謝都會(huì)受到嚴(yán)重抑制,導(dǎo)致發(fā)酵速度變慢。如果溫度過(guò)高,可能導(dǎo)致酵母過(guò)早疲

勞,影響發(fā)酵效果,甚至導(dǎo)致酵母迅速失去活力和死亡。綜上所述,最適合滁菊米酒發(fā)酵的溫度是28℃。

圖4 發(fā)酵溫度對(duì)滁菊米酒酒精度(A)和可溶固形物(B)的影響

Fig.4 Effectsoffermentationtemperatureonalcoholcontent(A)andsolublesolids(B)ofChuzhouchrysanthemumricewine

2.5 物料比對(duì)酒精度和可溶性固形物的影響

不同物料比對(duì)滁菊米酒酒化發(fā)酵結(jié)束時(shí)的酒精度和可溶性固形物的影響如圖5所示,物料比為0%

時(shí),發(fā)酵后酒精度為9.6%vol,可溶性固形物含量為11.37°Brix;當(dāng)物料比為2%時(shí),酒精度為8.87%vol,

可溶性固形物含量為12.63°Brix;但當(dāng)滁菊和糯米物料比再增加到3%和4%時(shí),酒精度會(huì)大幅下降,可溶

性固形物會(huì)迅速升高。綜上所述,與糯米相比,菊花淀粉含量較少,主要產(chǎn)酒原料是糯米,但糯米添加菊花

發(fā)酵后能夠賦予酒更好的風(fēng)味、營(yíng)養(yǎng)及功能性,因此在盡可能提高滁菊糯米酒中滁菊添加量的情況下,最

74 安徽科技學(xué)院學(xué)報(bào) 2024年

適合滁菊米酒的物料比為2%。

圖5 不同物料比對(duì)滁菊米酒酒精度(A)和可溶性固形物(B)的影響

Fig.5 Effectsofdifferentmaterialratiosonalcoholcontent(A)andsolublesolids(B)ofChuzhouchrysanthemumricewine

2.6 酒化階段Box-Behnken試驗(yàn)結(jié)果

2.6.1 響應(yīng)面分析三因素水平的選取及響應(yīng)面設(shè)計(jì)試驗(yàn)及結(jié)果 在單因素試驗(yàn)結(jié)果基礎(chǔ)上,以滁菊米酒

酒精發(fā)酵結(jié)束時(shí)的酒精度(Y)為響應(yīng)值,選擇物料比(A)、酵母接種量(B)、發(fā)酵溫度(C)等3個(gè)因素進(jìn)行

三因素三水平的響應(yīng)面回歸設(shè)計(jì),試驗(yàn)結(jié)果見(jiàn)表3,回歸模型方差分析見(jiàn)表4。

表3 酒化階段響應(yīng)面試驗(yàn)方案與結(jié)果

Table3 Schemeandresultsofresponsesurfacetestinwinebrewingstage

試驗(yàn)號(hào) A物料比 B酵母接種量 C發(fā)酵溫度 Y酒精度/%vol

1 1 0 -1 8.4

2 0 0 0 9.1

3 0 -1 -1 6.8

4 -1 0 -1 6.8

5 0 0 0 9.0

6 0 0 0 9.0

7 1 0 1 8.1

8 1 -1 0 7.9

9 0 0 0 8.8

10 -1 0 1 7.7

11 0 -1 1 8.4

12 -1 -1 0 6.3

13 1 1 0 8.3

14 0 0 0 8.9

15 0 1 1 8.3

16 -1 1 0 7.6

17 0 1 -1 8.5

2.6.2 回歸模型的建立及方差分析 應(yīng)用DesignExpert8.0.6軟件對(duì)所設(shè)計(jì)的響應(yīng)面試驗(yàn)結(jié)果進(jìn)行多

元化回歸擬合分析,得出酒化結(jié)束時(shí)酒精度(Y)與物料比(A)、酵母接種量(B)、發(fā)酵溫度(C)之間的二次

回歸方程:Y=8.96+0.54A+0.41B+0.25C-0.23AB-0.30AC-0.45BC-0.84A2 -0.59B2 -

0.37C2。其中,Y 表示酒精度;A表示物料比;B表示酵母接種量;C表示發(fā)酵溫度。由表4可知,對(duì)回歸

模型進(jìn)行方差分析,回歸模型極顯著(P<0.01),失擬項(xiàng)不顯著(P=0.2114),模型的構(gòu)建成功。此外,該

模型的R2=0.9871,大于0.9,調(diào)整后的R2=0.9706,信噪比為23.685,大于4,說(shuō)明該模型擬合度很高。

這也證實(shí)了該模型具有較高價(jià)值,所產(chǎn)生的試驗(yàn)結(jié)果與理論值的差異微小,試驗(yàn)具有很高的準(zhǔn)確度和穩(wěn)定

第38卷第2期 林春寅,等:滁菊米酒發(fā)酵工藝優(yōu)化 75

性。所以二次回歸模型是恰當(dāng)?shù)?并且可用于預(yù)測(cè)滁菊米酒最終發(fā)酵的酒精度。F 值的大小直接反映出

相關(guān)因素對(duì)實(shí)驗(yàn)重點(diǎn)指標(biāo)的影響力度,故得出3個(gè)因素影響力度的排名:物料比(A)>酵母接種量(B)>

發(fā)酵溫度(C)。在模型中,單一變量 A、B、C均極顯著,同樣,二次變量 A2、B2、C2 也極顯著。綜上所述,在

試驗(yàn)設(shè)定范圍內(nèi),該模型的預(yù)測(cè)性很好。圖6展示了預(yù)測(cè)值與試驗(yàn)值均沿著同一直線(xiàn)分布,這也佐證了該

模型有著優(yōu)秀的擬合性能。

表4 酒化發(fā)酵的響應(yīng)面回歸模型方差分析

Table4 Varianceanalysisofresponsesurfaceregressionmodelforalcoholicfermentation

來(lái)源 平方和 自由度 均方 F P 顯著性

Model 11.09 9 1.23 59.71 <0.0001 極顯著

A 2.31 1 2.31 111.96 <0.0001 極顯著

B 1.36 1 1.36 65.94 <0.0001 極顯著

C 0.50 1 0.50 24.22 0.0017 極顯著

AB 0.20 1 0.20 9.81 0.0166 顯著

AC 0.36 1 0.36 17.44 0.0042 極顯著

BC 0.81 1 0.81 39.24 0.0004 極顯著

A2 2.99 1 2.99 144.78 <0.0001 極顯著

B2 1.48 1 1.48 71.60 <0.0001 極顯著

C2 0.57 1 0.57 27.55 0.0012 極顯著

Residual 0.14 7 0.021

LackofFit 0.093 3 0.031 2.37 0.2114 不顯著

PureError 0.052 4 0.013

CorTotal 11.24 16

注:P<0.01表示差異極顯著;P<0.05表示差異顯著;P>0.05表示差異不顯著。

圖6 內(nèi)學(xué)生化殘差正態(tài)概率分布圖

Fig.6 Normalplotofinternallystudentizedresiduals

2.6.3 各因素交互作用的響應(yīng)面分析 響應(yīng)面圖像的生成是通過(guò)計(jì)算機(jī)軟件完成的,包括生成三維的響

應(yīng)曲面和二維的等高線(xiàn)圖像。這2種圖像能夠清晰地展示每個(gè)因素的獨(dú)立影響,以及各因素之間的相互

作用結(jié)果(圖7)。3個(gè)響應(yīng)曲面圖形皆呈現(xiàn)出如山丘般的上凸形狀,顯示出在試驗(yàn)范圍內(nèi)存在最優(yōu)解。從

圖7也可以直觀地觀察到物料比和酵母接種量之間的顯著相互影響,表現(xiàn)為等高線(xiàn)成橢圓形狀且分布密

集。通過(guò)對(duì)模型方程的求導(dǎo),可以得到滁菊米酒酒精發(fā)酵結(jié)束時(shí)酒精度的最大值9.10%vol,該值對(duì)應(yīng)的

各因素最佳條件分別為滁菊與糯米物料比為2.27%、酵母接種量為0.85%、發(fā)酵溫度為28.12℃。為方

便實(shí)際操作,選擇將最佳參數(shù)調(diào)整為滁菊與糯米的物料比為2%、酵母接種量為0.9%、發(fā)酵溫度為28℃,

76 安徽科技學(xué)院學(xué)報(bào) 2024年

在這樣的條件下進(jìn)行為期7d的酒化發(fā)酵,平行進(jìn)行3次操作,測(cè)得最終的酒精度為9.10%vol。結(jié)果表

明,響應(yīng)面模型與實(shí)際狀況吻合較好,可以有效地指導(dǎo)發(fā)酵過(guò)程的優(yōu)化。

圖7 物料比(A)、酵母接種量(B)和發(fā)酵溫度(C)交互作用對(duì)酒精度影響

Fig.7 Interactionofmaterialratio(A),yeastinoculationamount(B)andfermentationtemperature(C)onalcoholcontent

2.7 滁菊米酒感官評(píng)價(jià)

以滁菊米酒的外觀、香氣、滋味、風(fēng)格為評(píng)價(jià)指標(biāo),按照表2的評(píng)分標(biāo)準(zhǔn),由10位食品專(zhuān)業(yè)人員鑒定后

打分,最終滁菊米酒的感官評(píng)分均分為86.8分。且從顏色上看,色澤均勻、光亮且呈淡黃色,無(wú)明顯的沉

淀物和懸浮物;可以嗅到滁菊及米酒香味,經(jīng)品嘗其口感細(xì)膩爽口、無(wú)異雜味。

2.8 滁菊米酒理化指標(biāo)

根據(jù)響應(yīng)面試驗(yàn)得出的工藝條件所得滁菊米酒最佳酒精度為9.10%vol,可溶性固形物含量為

11.90°Brix,黃酮含量為1.98mg/L,總酸含量為2.48g/L。

3 結(jié)論

以糯米和滁菊為原料,通過(guò)單因素、響應(yīng)面優(yōu)化試驗(yàn),物料比、酵母接種量、發(fā)酵溫度會(huì)有效影響滁菊

米酒的酒精度和可溶性固形物含量。經(jīng)多元化回歸擬合分析后得出,酒精度(Y)與物料比(A)、酵母接種

量(B)、發(fā)酵溫度(C)之間的二次回歸方程為Y=8.96+0.54A+0.41B+0.25C-0.23AB-0.30AC0.45BC-0.84A2-0.59B2-0.37C2。當(dāng)物料比為2%、酵母接種量為0.9%、發(fā)酵溫度設(shè)定為28℃時(shí),滁

菊糯米酒酒精度達(dá)9.10%vol,黃酮含量為1.98mg/L,總酸含量為2.48g/L。此條件下制得的滁菊米酒

呈淺黃色、色澤亮麗、口感柔軟、具有滁菊清香。本試驗(yàn)為滁菊米酒進(jìn)一步開(kāi)發(fā)提供理論依據(jù)和技術(shù)參考,

具有良好發(fā)展前景。

第38卷第2期 林春寅,等:滁菊米酒發(fā)酵工藝優(yōu)化 77

參考文獻(xiàn):

[1] 李娜,喻格,胡丹,等.滁菊硒含量與根際土壤硒賦存形態(tài)的相關(guān)性分析[J].中南藥學(xué),2023,21(8):2115-2119.

[2] 苗文娟,何鑫,夏玥,等.滁菊多酚氧化酶和過(guò)氧化物酶熱鈍化動(dòng)力學(xué)研究[J].食品研究與開(kāi)發(fā),2021,42(13):9-14.

[3] 張玉,朱玲敏,徐頌文,等.菊花的營(yíng)養(yǎng)成分、加工制品及香氣成分研究進(jìn)展[J].食品工業(yè),2020,41(4):247-251.

[4] 王龍,王德群,韓邦興.滁菊茶用與藥用的發(fā)展變化[J].安徽中醫(yī)學(xué)院學(xué)報(bào),2010,29(6):75-77.

[5] 胡俊.滁菊的化學(xué)成分及其活性研究[D].合肥:安徽大學(xué),2015.

[6] 刁燕春.試論菊花在中藥試劑中的臨床藥理應(yīng)用[J].中國(guó)現(xiàn)代藥物應(yīng)用,2014,8(16):219-220.

[7] 俞浩,周?chē)?guó)梁,劉漢珍,等.滁菊總黃酮對(duì)大鼠急性心肌缺血保護(hù)作用的實(shí)驗(yàn)研究[J].食品工業(yè)科技,2012,33(13):

352-354,358.

[8] DENGGF,LINX,XUXR,etal.Antioxidantcapacitiesandtotalphenoliccontentsof56vegetables[J].JFunct

Foods,2013,5(1):260-266.

[9] 張興亮,段鵬慧,邢茜,等.菊花復(fù)合保健飲料加工工藝研究[J].農(nóng)業(yè)技術(shù)與裝備,2019(12):23-25,27.

[10] 裴萌萌,胡風(fēng)欣,楊容容,等.菊花桑葉餅干的配方優(yōu)化[J].農(nóng)產(chǎn)品加工,2022(19):5-9.

[11] KHANIA,LIUDM,YAO MJ,etal.InhibitoryeffectofChrysanthemummorifoliumflowerextractontheformationofheterocyclicaminesingoatmeatpattiescookedbyvariouscookingmethodsandtemperatures[J].Meat

Sci,2019,147:70-81.

[12] 章葦虹,于士軍,張春艷,等.滁菊水果酵素制作工藝研究[J].現(xiàn)代農(nóng)業(yè)科技,2018(3):256-258.

[13] 陶敏.滁菊超微粉酸奶的開(kāi)發(fā)與特性分析[D].蕪湖:安徽工程大學(xué),2019.

[14] 劉顏,項(xiàng)全權(quán),張獻(xiàn)領(lǐng).葛粉滁菊油皮面魚(yú)的研制[J].農(nóng)產(chǎn)品加工,2019(4):9-12,16.

[15] 劉露,蒲根,羅麗,等.玉竹薏米酒的釀造工藝研究[J].安徽科技學(xué)院學(xué)報(bào),2023,37(2):73-79.

[16] 鮑雨婷,孫玥,李雪玲,等.滁菊粉對(duì)面團(tuán)特性和面包風(fēng)味及其抗氧化活性的影響[J].食品科學(xué),2023,44(4):

107-114.

[17] 呂歡.葛根醋釀造工藝研究[D].太谷:山西農(nóng)業(yè)大學(xué),2019.

[18] 程浩.柿子醋釀造工藝及其活性研究[D].南寧:廣西大學(xué),2020.

[19] 劉青.優(yōu)質(zhì)蘋(píng)果醋及其風(fēng)味物質(zhì)的研究[D].合肥:合肥工業(yè)大學(xué),2019.

[20] 馬菲菲,馬彭彭,劉俊杰,等.桑葚茉莉花復(fù)合飲料的工藝優(yōu)化[J].安徽科技學(xué)院學(xué)報(bào),2023,37(2):66-72.

[21] 王永鵬.藍(lán)莓果醋的制備及其保健功能的研究[J].中國(guó)調(diào)味品,2020,45(12):194-196,200.

(責(zé)任編輯:顧文亮)

78 安徽科技學(xué)院學(xué)報(bào) 2024年

安徽科技學(xué)院學(xué)報(bào),2024,38(2):79-86

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2024-01-04

基金項(xiàng)目:國(guó)家自然科學(xué)基金(52005003);蕪湖市科技項(xiàng)目(2022ly03,2022yf31,2023pt08);安徽未來(lái)技術(shù)研究院企業(yè)合作項(xiàng)目

(2023qyhz02)。

作者簡(jiǎn)介:劉懿平(1999-),男,安徽六安人,碩士研究生,主要從事機(jī)器視覺(jué)及缺陷檢測(cè)研究,E-mail:liuyipingwork@163.com。

通信作者:江本赤,副教授,E-mail:benchi@ahpu.edu.cn。

基于改進(jìn) YOLOv5算法的密集動(dòng)態(tài)目標(biāo)檢測(cè)方法

劉懿平1, 何 歡2, 彭 豐3, 朱家旺4, 江本赤2*

(1.安徽工程大學(xué) 機(jī)械工程學(xué)院,安徽 蕪湖 241000;

2.安徽工程大學(xué) 人工智能學(xué)院,安徽 蕪湖 241000;

3.安徽銘谷激光智能裝備科技有限公司,安徽 蕪湖 241000;

4.蕪湖起重運(yùn)輸機(jī)器股份有限公司,安徽 蕪湖 241000)

摘 要:目的:提出一種基于 YOLOv5改進(jìn)的檢測(cè)算法,解決密集動(dòng)態(tài)目標(biāo)檢測(cè)精度低及易漏檢的問(wèn)題。

方法:在 YOLOv5的主干網(wǎng)絡(luò)中使用 QARepNeXt結(jié)構(gòu)提高深度學(xué)習(xí)模型訓(xùn)練速度;引入S2-MLPv2注

意力機(jī)制改善遮擋情況下檢測(cè)效果差的問(wèn)題;將具有動(dòng)態(tài)聚焦機(jī)制的邊界回歸損失函數(shù) Wise-IoU 替代

原有損失函數(shù)提高收斂速度。結(jié)果:以密集人群場(chǎng)景為例,驗(yàn)證改進(jìn)算法相較現(xiàn)有算法具有更高準(zhǔn)確率、

更低漏檢率,保證了原算法的實(shí)時(shí)性。結(jié)論:通過(guò)替換網(wǎng)絡(luò)結(jié)構(gòu)、引入注意力機(jī)制并更新?lián)p失函數(shù),可有效

提升算法準(zhǔn)確率,降低漏檢率。

關(guān)鍵詞:動(dòng)態(tài)目標(biāo)檢測(cè);YOLOv5;深度學(xué)習(xí);注意力機(jī)制;損失函數(shù)

中圖分類(lèi)號(hào):S852.3 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0079-08

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0211

DensedynamictargetdetectionmethodbasedonimprovedYOLOv5algorithm

LIUYiping

1, HEHuan2, PENGFeng

3, ZHUJiawang

4, JIANGBenchi2*

(1.SchoolofMechanicalEngineering,AnhuiPolytechnicUniversity,Wuhu241000,China;

2.SchoolofArtificialIntelligence,AnhuiPolytechnicUniversity,Wuhu241000,China;

3.AnhuiMingguLaserIntelligentEquipmentTechnologyCo.,Ltd.,Wuhu241000,China;

4.WuhuCrane&ConveyorCo.,Ltd.,Wuhu241000,China)

Abstract:Objective:Toaddresstheproblemsoflowdetectionaccuracyandeasymisseddetectionof

densedynamictargets,thispaperproposedanimproveddetectionalgorithm basedon YOLOv5.

Methods:Inordertoimprovethetrainingspeedofthedeeplearningmodel,theQARepNeXtstructure

wasusedinthebackbonenetworkofYOLOv5.Atthesametime,inordertoimprovetheproblemof

poordetectionresultsunderocclusion,theS2-MLPv2attentionmechanismwasintroduced.Inaddition,

inordertoimprovetheconvergencespeed,theboundaryregressionlossfunction Wise-IoU withthe

dynamicfocusingmechanismreplacedtheoriginallossfunction.Results:Takingthedensecrowdasan

example,itwasverifiedthattheimprovedalgorithmhadhigheraccuracyandlowermissdetectionrate

thantheexistingalgorithm,whileensuringthereal-timeperformanceoftheoriginalalgorithm.

Conclusion:Byreplacingthenetworkstructure,introducingtheattentionmechanismandupdatingthe

lossfunction,theaccuracyofthealgorithmcouldbeeffectivelyimprovedandthemisseddetectionrate

couldbereduced.

Keywords:Densepedestriandetection;YOLOv5;Deeplearning;Attentionmechanism;Lossfunction

動(dòng)態(tài)目標(biāo)檢測(cè)技術(shù)應(yīng)用廣泛,如視頻監(jiān)控與安防、自動(dòng)駕駛與智能交通、工業(yè)自動(dòng)化等。密集動(dòng)態(tài)目

標(biāo)檢測(cè)則是該項(xiàng)技術(shù)重難點(diǎn)之一,其難度在于遮擋導(dǎo)致的檢測(cè)精度低和漏檢率高[1]。隨著人工智能產(chǎn)業(yè)

的迅猛發(fā)展和計(jì)算機(jī)硬件計(jì)算能力的提升,國(guó)內(nèi)外學(xué)者已經(jīng)開(kāi)始研究基于深度學(xué)習(xí)的行人檢測(cè)方案,并且

取得了一些令人滿(mǎn)意的成果[2]。但在現(xiàn)實(shí)生活中,如地鐵、商場(chǎng)和街道等人群密集場(chǎng)景下,仍然存在一些

挑戰(zhàn)。其中之一是行人之間可能會(huì)相互重疊,導(dǎo)致檢測(cè)的準(zhǔn)確性下降。此外,由于行人尺度較小,檢測(cè)難

度也增加。目前,針對(duì)這些問(wèn)題尚未找到很好的解決方法[3]。因此,對(duì)于密集場(chǎng)景中行人檢測(cè)算法的研究

具有重要的社會(huì)價(jià)值。

近年來(lái),國(guó)內(nèi)外研究人員基于深度學(xué)習(xí)理論針對(duì)有遮擋的行人檢測(cè)提出許多提升算法的措施。

Wojke等[4]通過(guò)預(yù)先訓(xùn)練過(guò)的關(guān)聯(lián)度量來(lái)整合外觀信息,從而對(duì)簡(jiǎn)單在線(xiàn)實(shí)時(shí)跟蹤(SORT)系統(tǒng)進(jìn)行擴(kuò)

展,實(shí)現(xiàn)對(duì)多對(duì)象跟蹤,但人力物力成本過(guò)高。徐誠(chéng)極等[5]改進(jìn)了YOLOv3算法引入Attention注意力機(jī)

制,有效地提高了檢測(cè)精準(zhǔn)度,但對(duì)小范圍不連續(xù)的目標(biāo)識(shí)別效果并不理想。李宇翔等[6]基于 YOLOv5

提出一種改進(jìn)網(wǎng)絡(luò) YOLOv5-CBGhost,通過(guò)對(duì)模型的輕量化處理有效減少了特征冗余及參數(shù)量,但對(duì)復(fù)

雜環(huán)境下物體的檢測(cè)難以達(dá)到預(yù)期效果。

針對(duì)以上問(wèn)題,本研究提出一種基于改進(jìn) YOLOv5算法的檢測(cè)方法。本算法采用 YOLOv5s作為基

礎(chǔ)模型進(jìn)行改進(jìn),首先在主干網(wǎng)絡(luò)部分引入 QARepNeXt模塊[7]加強(qiáng)網(wǎng)絡(luò)特征提取以及特征融合能力;其

次在特征融合階段引入注意力機(jī)制S2-MLPv2

[8]模塊,在不加入其他參數(shù)的情況下提取圖像的關(guān)鍵信息,

同時(shí)忽略無(wú)關(guān)信息;最后為了提高模型收斂能力利用具有動(dòng)態(tài)聚焦機(jī)制的邊界回歸損失函數(shù) Wise-IoU

[9]

替換 YOLOv5原有的損失函數(shù)。試驗(yàn)結(jié)果表明,改進(jìn)算法在密集行人檢測(cè)任務(wù)中具有更高的檢測(cè)精度、

更低的低漏檢率,以及更好的檢測(cè)效果。

1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)

YOLO(YouOnlyLookOnce)是具有優(yōu)秀性能的對(duì)象檢測(cè)模型之一,YOLOv5是 Ultralytics團(tuán)隊(duì)于

2020年5月發(fā)布的第5代 YOLO模型。該模型根據(jù)網(wǎng)絡(luò)復(fù)雜程度的不同,分為 YOLOv5s、YOLOv5m、

YOLOv5l和 YOLOv5x等4個(gè)版本。按照其包含的網(wǎng)絡(luò)殘差數(shù)量從小到大依次遞增,網(wǎng)絡(luò)的特征提取和

特征融合能力得到加強(qiáng),檢測(cè)精度越來(lái)越高,但檢測(cè)速度下降[10]。本研究采用YOLOv5s模型,YOLOv5s

模塊占用內(nèi)存小,在后續(xù)實(shí)際應(yīng)用中更易部署,其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)主要由

主干網(wǎng)絡(luò)(Backbone)、特征融合層(Neck)和檢測(cè)層(Head)等3部分構(gòu)成。

1.1 主干網(wǎng)絡(luò)

YOLOv5的主干網(wǎng)絡(luò)由CSP、SPP和Focus組成,主要用于對(duì)輸入圖片進(jìn)行特征提取。在預(yù)處理后,

輸入圖片經(jīng)過(guò)多次CSP和Focus模塊的卷積和下采樣操作,最后通過(guò)SPP(SpatialPyramidPooling)結(jié)構(gòu)

進(jìn)行池化操作,從而完成對(duì)主干網(wǎng)絡(luò)的特征提取[11]。

1.2 特征融合層

Neck網(wǎng)絡(luò)的設(shè)計(jì)旨在更充分地利用Backbone層提取的特征信息。YOLOv5使用PaNet生成特征

金字塔網(wǎng)絡(luò)(FeaturePyramidNetwork,FPN)[12],通過(guò)對(duì)特征進(jìn)行聚合并傳遞給 Head進(jìn)行預(yù)測(cè),PaNet

結(jié)構(gòu)能夠有效地將底層的定位信息傳遞給高層,從而實(shí)現(xiàn)更好地融合語(yǔ)義和定位信息。這種方法可以充

分利用Backbone提取的特征信息,從而提高模型的性能。

80 安徽科技學(xué)院學(xué)報(bào) 2024年

1.3 檢測(cè)層

在YOLOv5的 Head結(jié)構(gòu)中有3個(gè)檢測(cè)層,分別對(duì)應(yīng) Neck中得到的3種不同尺寸的特征圖。每個(gè)

特征圖中的每個(gè)網(wǎng)格都預(yù)設(shè)了3個(gè)不同寬高比的錨點(diǎn),經(jīng)過(guò)非極大抑制(Non-maximumSuppression,

NMS)算法[13]將交并比(IntersectionOverUnion,IoU)[14]超過(guò)設(shè)定閾值的重疊預(yù)測(cè)框舍棄。

圖1 YOLOv5s網(wǎng)絡(luò)模型結(jié)構(gòu)圖

Fig.1 YOLOv5snetworkmodelstructurediagram

2 改進(jìn)YOLOV5檢測(cè)算法

2.1 特征提取主干網(wǎng)絡(luò)優(yōu)化

YOLOv5原始主干網(wǎng)絡(luò)采用3×3的卷積模塊,對(duì)非密集場(chǎng)景下的目標(biāo)識(shí)別任務(wù)具有出色的能力,但

在密集場(chǎng)景和被識(shí)別物有遮擋的情況下很難提取到有效特征信息[15],為此本研究對(duì)傳統(tǒng)的 RepVGG結(jié)

構(gòu)進(jìn)行修改,引入更加友好的量化感知模塊 QARepNeXt。

RepVGG在訓(xùn)練中將標(biāo)準(zhǔn)的Conv-BN-ReLU重塑為相同的多分支對(duì)應(yīng)結(jié)構(gòu),這帶來(lái)了強(qiáng)大的性能提

升,同時(shí)不增加推理的額外成本。然而,基于重新參數(shù)化的模型面臨量化困難[16],標(biāo)準(zhǔn)的訓(xùn)練后量化方案

極大地降低了RepVGG-A0的準(zhǔn)確性。為使網(wǎng)絡(luò)具有更好的量化性能,本研究引用一種在 RepVGG的基

礎(chǔ)上改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu) QARepVGG(Quantization-AwareRepVGG),不會(huì)在訓(xùn)練過(guò)程中遭受量化崩潰,如

圖2所示,與RepVGG結(jié)構(gòu)相比其量化性能得到很大程度的提升。

2.2 特征融合網(wǎng)絡(luò)的改進(jìn)

為提高特征信息的利用率,本研究引入S2-MLPv2注意力機(jī)制模塊。S2-MLPv2是在S2-MLP模塊

的基礎(chǔ)上進(jìn)行改進(jìn)的一種注意力機(jī)制模塊[8]。改進(jìn)后的S2-MLP模塊通過(guò)沿通道維度拓展特征圖,并將

拓展后的特征圖分為多個(gè)部分,對(duì)每個(gè)部分進(jìn)行不同的空間位移操作。S2-MLPv2注意力機(jī)制的原理如

圖3所示。

S2-MLPv2由2部分組成,分別是S2-MLPv2組件和通道混合 MLP(CM-MLP)。S2-MLPv2組件結(jié)

構(gòu)如圖4所示。

給定一個(gè)輸入特征圖X∈Rw×h×c,S2-MLPv2組件首先通過(guò) MLP將X 的通道從c擴(kuò)展到3c,如式

(1)所示:

第38卷第2期 劉懿平,等:基于改進(jìn) YOLOv5算法的密集動(dòng)態(tài)目標(biāo)檢測(cè)方法 81

X

︿

=MLP1(X)∈Rw×h×3c (1)

然后,將擴(kuò)展的特征圖X

︿平均分為3個(gè)部分,如式(2)所示:

X1 =X

︿[:,:,1:c],X2 =X

︿[:,:,c+1:2c],X3 =X

︿[:,:,2c+1:3c] (2)

最后,通過(guò)空間位移(SpatialShift)并經(jīng)過(guò)分裂注意力模塊(SplitAttention)后通過(guò)另一個(gè) MLP層生

成輸出,如式(3)所示:

X =MLP2(X

︿) (3)

本研究對(duì) YOLOv5原始特征融合網(wǎng)絡(luò)系統(tǒng)進(jìn)行了優(yōu)化,并將S2-MLPv2注意力機(jī)制模塊納入 Neck

中,以提升主干網(wǎng)絡(luò)特性信息的使用效率,從而增強(qiáng)在人流密集環(huán)境下檢測(cè)小型行人的能力。

圖2 QARepVGG網(wǎng)絡(luò)結(jié)構(gòu)

Fig.2 QARepVGGnetworkstructure

圖3 S2-MLPv2原理圖

Fig.3 S2-MLPv2schematicdiagram

圖4 S2-MLPv2組件結(jié)構(gòu)

Fig.4 S2-MLPv2componentstructure

82 安徽科技學(xué)院學(xué)報(bào) 2024年

2.3 損失函數(shù)的改進(jìn)

在對(duì)畫(huà)面中的目標(biāo)進(jìn)行檢測(cè)時(shí),由于視野內(nèi)可能存在多個(gè)目標(biāo),算法會(huì)生成多個(gè)預(yù)測(cè)框。為了消除冗

余的預(yù)測(cè)框,通常需要采用非極大值抑制(Non-MaximumSuppression,NMS)方法。NMS算法會(huì)根據(jù)預(yù)

測(cè)框的置信度和重疊度進(jìn)行篩選,保留置信度最高的預(yù)測(cè)框,并去除與其重疊度高的其他預(yù)測(cè)框,從而得

到最終的檢測(cè)結(jié)果。這樣可以有效地去除冗余的預(yù)測(cè)框,提高檢測(cè)的準(zhǔn)確性和效率[17]。在原始 YOLOv5

中采用GIoULoss作為損失函數(shù),其原理見(jiàn)公式(4)[18]:

GIoU=IoU-

|C-(A ∪B)|

|C|

(4)

其中,IoU表示預(yù)測(cè)框和真實(shí)框的交并比,C表示能夠完全包圍預(yù)測(cè)框和真實(shí)框的最小矩形框,A∪B 表

示2個(gè)框的并集區(qū)域的面積。GIoU損失函數(shù)引入了一種新的尺度權(quán)衡方式,有效地解決了邊界框不重

合的問(wèn)題。但當(dāng)預(yù)測(cè)框和目標(biāo)框重合或?qū)捀邔?duì)齊時(shí),即 C與A∪B 相等時(shí),GIoU 損失函數(shù)會(huì)退化為

IoU,無(wú)法預(yù)測(cè)相對(duì)位置,導(dǎo)致迭代次數(shù)增加和檢測(cè)速度變慢[19]。由于訓(xùn)練數(shù)據(jù)不可避免地包含低質(zhì)量的

樣本,因此距離和長(zhǎng)寬比等因素會(huì)加重對(duì)低質(zhì)量樣本的懲罰,從而降低模型的泛化性能[20],所以引入具有

距離注意機(jī)制的 WIoUv1損失函數(shù),如式(5)~(6)所示:

WIoUv1=WIoUIoU (5)

WIoU=exp(

(x-xgt)2 +(y-ygt)2

(W2

g+H2

g)* ) (6)

其中,x、y 表示預(yù)測(cè)框的中心點(diǎn)坐標(biāo);xgt、ygt 表示真實(shí)框的中心點(diǎn)坐標(biāo);Wg、Hg 分別表示最小封閉框的

寬度和高度。其中,WIoU∈[1,e)將使普通質(zhì)量的先驗(yàn)框放大;IoU∈[0,1]會(huì)使高質(zhì)量的先驗(yàn)框縮小,當(dāng)

先驗(yàn)框與目標(biāo)框重合時(shí)重點(diǎn)關(guān)注其中心點(diǎn)的距離,如圖5所示。為防止 WIoU梯度消失,將Wg、Hg 從計(jì)

算中分離出來(lái),即將變量Wg、Hg 值固定,轉(zhuǎn)變?yōu)槌Ａ?使其不參與反向傳播,防止過(guò)大阻礙收斂(式中*

表示此操作)。

圖5 最小封閉框及其中心距

Fig.5 Minimumclosedboxanditscenterdistance

為比較BBR的各類(lèi)損失函數(shù),運(yùn)用Zheng等[19]提出的模擬實(shí)驗(yàn)對(duì)沒(méi)有FMs的BBR損耗性能進(jìn)行

比較,如圖6所示。由此可見(jiàn)收斂速度的差異主要是由非重疊的邊界框引起的,而本研究所引入的基于注

意力機(jī)制的損失函數(shù) WIoUv1在回歸方面具有較好性能。

圖6 模擬實(shí)驗(yàn)中不含F(xiàn)Ms的BBR損耗曲線(xiàn)

Fig.6 CurveofBBRlosswithoutFMsinsimulationexperiment

第38卷第2期 劉懿平,等:基于改進(jìn) YOLOv5算法的密集動(dòng)態(tài)目標(biāo)檢測(cè)方法 83

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)集

本研究采用野外密集行人檢測(cè)的 WiderPerson數(shù)據(jù)集與網(wǎng)絡(luò)爬取的圖片中隨機(jī)選擇的8000和

4000張圖片,并將它們的標(biāo)注格式全部轉(zhuǎn)化為 YOLO格式。按照8∶2的比例隨機(jī)將這些圖片分為訓(xùn)練

集和驗(yàn)證集,其中包括用于訓(xùn)練的數(shù)據(jù)集(包含9600張)和測(cè)試用的數(shù)據(jù)集(含有2400張)。數(shù)據(jù)集中的

部分圖片如圖7所示。

圖7 數(shù)據(jù)集示例

Fig.7 Datasetexample

3.2 評(píng)價(jià)指標(biāo)

為衡量 算 法 的 性 能,將 檢 測(cè) 精 度 (Precision)、召 回 率 (Recall)、均 值 平 均 精 度 (Mean Average

Precision,mAP)作為衡量算法性能的標(biāo)準(zhǔn)[21],mAP@0.5:0.95表示當(dāng)閾值為0.5~0.95時(shí)總體平均

mAP值,計(jì)算公式如式(7)~(9)所示:

Precision=

TP

TP+FP

(7)

Recall=

TP

TP+FN

(8)

mAP=

1

C∑

c

i=1

APi (9)

其中,TP代表正樣本被正確識(shí)別出來(lái);FN代表正樣本被錯(cuò)誤識(shí)別為負(fù)樣本;FP代表負(fù)樣本被錯(cuò)誤識(shí)別

為正樣本;AP代表單個(gè)類(lèi)別上的平均精度;C代表類(lèi)別個(gè)數(shù)。

3.3 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置

實(shí)驗(yàn)操作系統(tǒng)為 Windows10,CUDA11.6,Python版本為3.8.16,Pytorch1.7,顯卡為 NVIDIARTX

306012G顯存,輸入圖像尺寸為640×640,模型參數(shù)設(shè)置如表1所示。

表1 模型參數(shù)設(shè)置

Table1 Modelparametersettings

模型參數(shù) Batch_size Epoch 學(xué)習(xí)率 預(yù)訓(xùn)練權(quán)重

參數(shù)設(shè)置 16 300 0.01 YOLOv5s

3.4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證改進(jìn)算法的有效性,本研究將改進(jìn)算法與FasterRCNN算法以及原始 YOLOv5算法進(jìn)行比

較,各項(xiàng)評(píng)價(jià)指標(biāo)對(duì)比如表2所示,可以看出改進(jìn)后的算法各項(xiàng)指標(biāo)均有所提升。準(zhǔn)確率分別提升

12.9%和1.7%;召回率分別提升13%和0.9%;mAP@0.5達(dá)到87.9%;mAP@0.5:0.95達(dá)到60.7%。

表2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)對(duì)比

Table2 Comparisonofexperimentalevaluationindicators

網(wǎng)絡(luò)模型 P/% R/% mAP@0.5/% mAP@0.5:0.95/%

FasterRCNN 78.6 63.8 78.2 50.6

原始 YOLOv5 89.8 75.9 87.1 58.8

ImprovedYOLOv5 91.5 76.8 87.9 60.7

84 安徽科技學(xué)院學(xué)報(bào) 2024年

為了驗(yàn)證本算法在實(shí)際場(chǎng)景中檢測(cè)的可靠性,選取了獨(dú)立于訓(xùn)練集和驗(yàn)證集的圖片,使用 Faster

RCNN、原始 YOLOv5以及本算法進(jìn)行檢測(cè),結(jié)果如圖8所示。通過(guò)對(duì)比可以發(fā)現(xiàn)本研究改進(jìn)算法針對(duì)

密集行人檢測(cè)具有較高的準(zhǔn)確率及低漏檢率,具有良好檢測(cè)性能。

圖8 原圖(A)、FasterRCNN網(wǎng)絡(luò)(B)、原始YOLOv5網(wǎng)絡(luò)(C)和本算法(D)的檢測(cè)對(duì)比

Fig.8 Contrastoforiginalimages(A),FasterRCNNnetwork(B),originalYOLOv5network(C)andalgorithmofthisarticle(D)

4 結(jié)論

針對(duì)密集動(dòng)態(tài)目標(biāo)檢測(cè)精度低及易漏檢的問(wèn)題,本研究提出基于 YOLOv5s網(wǎng)絡(luò)改進(jìn)的算法模型。

在主干網(wǎng)絡(luò)中引入量化性能更佳的 QARepNeXt結(jié)構(gòu),相比原始網(wǎng)絡(luò)模型提升了特征提取的能力;在特征

融合階段加入S2-MLPv2注意力機(jī)制,加強(qiáng)對(duì)特征信息的利用率,提高網(wǎng)絡(luò)對(duì)遮擋目標(biāo)的關(guān)注度;并且更

換了原有網(wǎng)絡(luò)的損失函數(shù),采用回歸性能更優(yōu)秀的 Wise-IoU 損失函數(shù);最后在公開(kāi)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。

經(jīng)過(guò)實(shí)驗(yàn)證明,優(yōu)化的算法在測(cè)量精確度、回收率和平均精度等方面都有所增強(qiáng),其魯棒性和泛化能力強(qiáng),

可有效應(yīng)用于密集動(dòng)態(tài)目標(biāo)檢測(cè)及其相關(guān)領(lǐng)域。

第38卷第2期 劉懿平,等:基于改進(jìn) YOLOv5算法的密集動(dòng)態(tài)目標(biāo)檢測(cè)方法 85

參考文獻(xiàn):

[1] 謝富,朱定局.深度學(xué)習(xí)目標(biāo)檢測(cè)方法綜述[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2022,31(2):1-12.

[2] 魏穎,徐楚翹,刁兆富,等.基于生成對(duì)抗網(wǎng)絡(luò)的多目標(biāo)行人跟蹤算法[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版),2020,

41(12):1673-1679,1720.

[3] 周薇.基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究[D].成都:電子科技大學(xué),2019.

[4] WOJKEN,BEWLEYA,PAULUSD.Simpleonlineandrealtimetrackingwithadeepassociationmetric[C]//2017

IEEEInternationalConferenceonImageProcessing(ICIP).Beijing,China:IEEE,2017:3645-3649.

[5] 徐誠(chéng)極,王曉峰,楊亞?wèn)|.Attention-YOLO:引入注意力機(jī)制的 YOLO 檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用,2019,

55(6):13-23,125.

[6] 李宇翔,王帥,陳偉,等.基于Ghost模塊的改進(jìn) YOLOv5目標(biāo)檢測(cè)算法[J].現(xiàn)代電子技術(shù),2023,46(3):29-34.

[7] CHUXX,LIL,ZHANGB.MakeRepVGGgreateragain:Aquantization-awareapproach[J].arXivPreprintarXiv:2212.01593,2022.

[8] YUT,LIX,CAIYF,etal.S2-MLPv2:Improvedspatial-shiftMLParchitectureforvision[J].arXivPreprint

arXiv:2108.01072,2021.

[9] TONGZJ,CHENYH,XUZW,etal.Wise-IoU:Boundingboxregressionlosswithdynamicfocusingmechanism[J].arXivPreprintarXiv:2301.10051,2023.

[10] 高程,唐超,童安煬,等.基于 CNN 和 LSTM 混合模型的紅外人體行為識(shí)別[J].合肥學(xué)院學(xué)報(bào)(綜合版),2023,

40(5):77-85.

[11] 左若雨,陳豐,陳蒙,等.基于 YOLOv4的豬耳檢測(cè)方法研究[J].安徽科技學(xué)院學(xué)報(bào),2022,36(4):60-65.

[12] ZHAOGM,GEWF,YUYZ.GraphFPN:graphfeaturepyramidnetworkforobjectdetection[C]//2021IEEE/

CVFInternationalConferenceonComputerVision(ICCV).Montreal,QC,Canada:IEEE,2021:2743-2752.

[13] NEUBECKA,VANGOOLL.Efficientnon-maximumsuppression[C]//Proceedingsofthe18thInternationalConferenceonPatternRecognition-Volume03.ACM,2006:850-855.

[14] RAHMAN M A,WANG Y.Optimizingintersection-over-unionindeepneuralnetworksforimagesegmentation

[C]//InternationalSymposiumonVisualComputing.Cham:Springer,2016:234-244.

[15] 胡清翔,饒文碧,熊盛武.面向無(wú)人機(jī)遙感場(chǎng)景的輕量級(jí)小目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)工程,2023,49(12):169-177.

[16] SUIGD,HOUS,ZHANGXF,etal.Abio-inspiredspider-likestructureisolatorforlow-frequencyvibration[J].

ApplMathMech,2023,44(8):1263-1286.

[17] REZATOFIGHIH,TSOIN,GWAKJ,etal.Generalizedintersectionoverunion:Ametricandalossforbounding

boxregression[C]//2019IEEE/CVFConferenceonComputerVisionandPatternRecognition (CVPR).Long

Beach,CA:IEEE,2019:658-666.

[18] 杜鵬,宋永紅,張?chǎng)维?基于自注意力模態(tài)融合網(wǎng)絡(luò)的跨模態(tài)行人再識(shí)別方法研究[J].自動(dòng)化學(xué)報(bào),2022,48(6):

1457-1468.

[19] ZHENGZH,WANGP,LIU W,etal.Distance-IoUloss:Fasterandbetterlearningforboundingboxregression

[J].ProcAAAIConfArtifIntell,2020,34(7):12993-13000.

[20] 張琪,曹浩.基于改進(jìn)的FasterR-CNN蘋(píng)果缺陷區(qū)域目標(biāo)檢測(cè)[J].安徽科技學(xué)院學(xué)報(bào),2023,37(3):96-101.

[21] 王潤(rùn)民,桑農(nóng),丁丁,等.自然場(chǎng)景圖像中的文本檢測(cè)綜述[J].自動(dòng)化學(xué)報(bào),2018,44(12):2113-2141.

(責(zé)任編輯:顧文亮)

86 安徽科技學(xué)院學(xué)報(bào) 2024年

安徽科技學(xué)院學(xué)報(bào),2024,38(2):87-94

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2023-09-06

基金項(xiàng)目:安徽省科技特派員農(nóng)業(yè)物質(zhì)技術(shù)裝備領(lǐng)域揭榜掛帥項(xiàng)目(2022296906020001);安徽科技學(xué)院功能農(nóng)業(yè)專(zhuān)項(xiàng)(2021gnny01)。

作者簡(jiǎn)介:劉蘇杭(1999-),男,四川達(dá)州人,碩士研究生,主要從事農(nóng)業(yè)智能裝備研究,E-mail:976964907@qq.com。

通信作者:張華,教授,E-mail:63538124@qq.com。

基于改進(jìn) YOLOv5的草莓病害及

養(yǎng)分狀況識(shí)別與檢測(cè)

劉蘇杭, 張 華* , 朱婷倩, 吳 凡, 童 以

(安徽科技學(xué)院 機(jī)械工程學(xué)院,安徽 鳳陽(yáng) 233100)

摘 要:目的:在設(shè)施農(nóng)業(yè)種植環(huán)境下,提出一種基于改進(jìn) YOLOv5模型的目標(biāo)檢測(cè)方法,實(shí)現(xiàn)草莓常見(jiàn)

的幾種病害及養(yǎng)分不足情況的快速準(zhǔn)確檢測(cè)。方法:通過(guò)將C3模塊替換為C2f模塊、增加SimAM 注意

力機(jī)制、增加檢測(cè)層等對(duì)原始 YOLOv5模型結(jié)構(gòu)進(jìn)行改進(jìn),以草莓植株葉片、花、果為研究對(duì)象,應(yīng)用改進(jìn)

YOLOv5模型提取草莓植株生長(zhǎng)特征,并進(jìn)行病害及養(yǎng)分狀況快速檢測(cè)。結(jié)果:應(yīng)用改進(jìn) YOLOv5模型

對(duì)草莓植株生長(zhǎng)狀況進(jìn)行識(shí)別的準(zhǔn)確率較高,各識(shí)別項(xiàng)的平均檢測(cè)精度均值(mAP@0.5)為97.9%,較原

始 YOLOv5和 YOLOv8模型分別高出13.6%和10.3%,識(shí)別圖像傳輸幀率較原 YOLOv5模型提升了

22f/s。結(jié)論:該模型可以實(shí)現(xiàn)設(shè)施農(nóng)業(yè)環(huán)境下草莓病害和養(yǎng)分狀況的識(shí)別與檢測(cè),具有較高識(shí)別精度和

較快識(shí)別速度,適用于移動(dòng)底盤(pán)端部署,為草莓智能化精準(zhǔn)噴霧作業(yè)提供一定的技術(shù)支撐。

關(guān)鍵詞:YOLOv5;目標(biāo)檢測(cè);草莓噴霧作業(yè);深度學(xué)習(xí)

中圖分類(lèi)號(hào):S224.3 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0087-08

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0212

Indentificantionanddetectionofstrawberrydiseaseand

nutrientbasedonimprovedYOLOv5

LIUSuhang, ZHANGHua* , ZHUTingqian, WUFan, TONGYi

(CollegeofMechanicalEngineering,AnhuiScienceandTechnologyUniversity,Fengyang233100,China)

Abstract:Objective:Toachieverapidandaccuratedetectionofseveralcommonstrawberrydiseasesand

nutrientdeficienciesinafacilityagriculturalplantingenvironment,atargetdetectionmethodbasedon

animprovedYOLOv5modelwasproposed.Methods:ByreplacingtheC2fmodulewiththeC3module,

addingtheSimAM attention mechanism,andaddingdetectionlayers,theoriginalYOLOv5 model

structurewasimproved.Theleaves,flowers,andfruitsofstrawberryplantswerestudied,andthe

improvedYOLOv5modelwasappliedtoextractgrowthcharacteristicsofstrawberryplantsandquickly

detectdiseasesandnutrientconditions.Results:TheimprovedYOLOv5modelhadahighaccuracyin

identifyingthe growth statusofstrawberry plants,andtheaverage detection accuracy ofeach

recognitionitemaveraged(mAP@0.5)97.9%,whichwas13.6%and10.3% higherthantheoriginal

YOLOv5and YOLOv8 models,respectively.Therecognitionimagetransmissionframerate was

improvedby22f/scomparedtotheoriginalYOLOv5model.Conclusion:Thismodelcouldrealizethe

identificationanddetectionofstrawberrydiseasesandnutrientstatusunderthefacilityagricultural

environment,withhighrecognitionaccuracyandfastrecognitionspeed,andwassuitableformobile

chassisdeployment,providing a certain technicalsupportforintelligentand accurate spray of

strawberries.

Keywords:YOLOv5;Objectdetection;Strawberrysprayoperation;Deeplearning

草莓是全世界栽種面積最廣的水果之一,具有很高的營(yíng)養(yǎng)價(jià)值,且具有一定的藥用價(jià)值和保健功效,

因此草莓深受人們的喜愛(ài)[1-2]。聯(lián)合國(guó)糧食及農(nóng)業(yè)組織(FAO)給出的數(shù)據(jù)表明,中國(guó)2022年的草莓產(chǎn)量

為3.12×106t,不僅是世界上最大的草莓生產(chǎn)國(guó),同時(shí)也是第一草莓消費(fèi)國(guó),草莓產(chǎn)業(yè)的發(fā)展也帶來(lái)了巨

大的經(jīng)濟(jì)效益[3-4]。根據(jù)FAO的數(shù)據(jù),2026年全球草莓市場(chǎng)預(yù)計(jì)達(dá)到224.5億美元。然而,草莓的品質(zhì)

對(duì)價(jià)格的影響極大,肥料缺失、病害等都會(huì)對(duì)草莓的產(chǎn)量和品質(zhì)造成極大的影響。傳統(tǒng)種植模式使用的施

肥及施藥方式已無(wú)法滿(mǎn)足人們對(duì)高品質(zhì)草莓的培育要求,目前,利用目標(biāo)檢測(cè)技術(shù)的精準(zhǔn)對(duì)靶施肥施藥技

術(shù)已越來(lái)越普及[5-7]。對(duì)草莓生長(zhǎng)狀況的實(shí)時(shí)檢測(cè)在草莓智能化施肥施藥作業(yè)中起關(guān)鍵作用,但草莓生長(zhǎng)

過(guò)程中枝葉遮擋程度高、養(yǎng)分缺失和病害感染在草莓植株上的表現(xiàn)不明顯是草莓生長(zhǎng)狀況識(shí)別的難點(diǎn)所

在,因此草莓生長(zhǎng)狀況的識(shí)別技術(shù)優(yōu)化就尤為重要。

近幾十年來(lái),目標(biāo)檢測(cè)一直是計(jì)算機(jī)視覺(jué)(ComputerVision,CV)中的熱門(mén)研究領(lǐng)域,隨著研究的發(fā)

展,使用深度卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別方法已經(jīng)遠(yuǎn)超傳統(tǒng)目標(biāo)檢測(cè)方法[8-10],其中 YOLO模型[11]自問(wèn)世起就

受到了廣泛關(guān)注,且日漸發(fā)展成為主流的視覺(jué)檢測(cè)算法之一,大量學(xué)者將其運(yùn)用到經(jīng)濟(jì)作物的識(shí)別檢測(cè)

中。金林華等[12]提出一種基于 YOLOv4的草莓果實(shí)檢測(cè)方法,并采用改進(jìn)型 Kmeans算法等方法進(jìn)行

優(yōu)化,最終建立的模型平均精度(mAP)均值達(dá)到97.05%,平均檢測(cè)時(shí)間達(dá)到74ms,實(shí)現(xiàn)了草莓果實(shí)目

標(biāo)的快速準(zhǔn)確檢測(cè)。李揚(yáng)等[13]對(duì)比了不同損失函數(shù)計(jì)算方法對(duì) YOLOv5n、YOLOv5s、YOLOv5m 等3

種框架進(jìn)行草莓果實(shí)不同階段識(shí)別的影響,其中 YOLOv5s+SIoU 方法對(duì)不同階段草莓果實(shí)的平均識(shí)別

精度達(dá)到89.9%。邱菊等[14]使用 YOLOv5s模型對(duì)草莓病果及未成熟果實(shí)進(jìn)行識(shí)別,平均識(shí)別精度接近

80%。楊世忠等[15]采用ShuffleNet結(jié)構(gòu),并結(jié)合SE注意力機(jī)制等方法改進(jìn) YOLOv5算法,對(duì)草莓的平

均識(shí)別精度達(dá)到97.6%,成熟草莓的識(shí)別準(zhǔn)確率則高達(dá)99.4%,識(shí)別精度和速度都有明顯提升。Wang

等[16]開(kāi)發(fā)了一種基于改進(jìn) YOLOv5算法的蘋(píng)果快速識(shí)別方法,采用 MobileNetv2逆殘差卷積模塊替代

模型主干卷積模塊等方法,使改進(jìn)后的模型體積減小57%,速度提升27.6%,其檢測(cè)速度與包括

YOLOv8s在內(nèi)的其他7種模型相比最快,同時(shí)也表現(xiàn)出了很好的識(shí)別精度。

YOLO算法雖已被大量運(yùn)用于包括草莓在內(nèi)的各種農(nóng)作物的視覺(jué)檢測(cè)中,但對(duì)草莓生長(zhǎng)狀況的識(shí)別

仍存在一些問(wèn)題。草莓生長(zhǎng)過(guò)程中,養(yǎng)分及病害情況不僅反映于果實(shí),且在花、果、葉、莖等部位都有表現(xiàn),

而植株葉片的堆疊程度普遍較大,不利于識(shí)別。不同狀況反映出的視覺(jué)特征不同,有些差別較為細(xì)微或在

植株上的面積較小,因此需建立大量的草莓分類(lèi)型生長(zhǎng)數(shù)據(jù)庫(kù)。本研究以 YOLOv5s目標(biāo)檢測(cè)模型為基

礎(chǔ),使用YOLOv8模型中的C2f結(jié)構(gòu)模塊替代原始的C3模塊,在保證輕量化的同時(shí)獲得更加豐富的梯度

流信息,在特征提取主干網(wǎng)絡(luò)后加入SimAM 注意力機(jī)制,并增加小目標(biāo)檢測(cè)層,建立分類(lèi)型草莓?dāng)?shù)據(jù)庫(kù),

實(shí)現(xiàn)草莓生長(zhǎng)狀況識(shí)別的快速準(zhǔn)確檢測(cè)。

88 安徽科技學(xué)院學(xué)報(bào) 2024年

1 材料與方法

1.1 YOLOv5目標(biāo)檢測(cè)模型

YOLO系列算法是基于深度學(xué)習(xí)的回歸方法構(gòu)建的單階段(One-stage)檢測(cè)網(wǎng)絡(luò),檢測(cè)速度相較于

R-CNN、Fast-RCNN、Faster-RCNN等基于深度學(xué)習(xí)的分類(lèi)方法構(gòu)建的雙階段(Two-stage)檢測(cè)網(wǎng)絡(luò)有明

顯優(yōu)勢(shì)[17-19]。YOLOv5模型的結(jié)構(gòu)如圖1所示,相較于之前的幾個(gè)版本做出了一定的改進(jìn)。在輸入端,

YOLOv5提出使用 Mosaic數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算、自適應(yīng)圖片縮放等對(duì)前端輸入圖像進(jìn)行處理。其

將Focus和CSP結(jié)構(gòu)等來(lái)源于其他檢測(cè)算法的算法結(jié)果融合進(jìn)入主干網(wǎng)絡(luò)(Backbone)中,同時(shí)還在頸部

網(wǎng)絡(luò)(Neck)中加入FPN+PAN結(jié)構(gòu)。在頭部輸出層(Head)中也改進(jìn)了損失函數(shù) GIOU_Loss函數(shù)和用

于預(yù)測(cè)框篩選的DIOU_nms函數(shù)。YOLOv5包含 YOLOv5s、YOLOv5x、YOLOv5l、YOLOv5m 和后續(xù)

推出的YOLOv5n等5個(gè)版本,YOLOv5s網(wǎng)絡(luò)在YOLOv5n推出前是YOLOv5系列中深度最小、特征圖

的寬度最小的網(wǎng)絡(luò),深度倍數(shù)(Depth-multiple)和寬度倍數(shù)(Width-multiple)參數(shù)分別為0.33和0.5

[20]。

YOLOv5模型在實(shí)際應(yīng)用中的識(shí)別精度普遍高于前幾代 YOLO版本,有時(shí)也高于包括 YOLOv8在內(nèi)的

眾多新版本。

圖1 YOLOv5網(wǎng)絡(luò)模型圖

Fig.1 YOLOv5networkmodel

1.2 輕量化模型與注意力機(jī)制

隨著目標(biāo)檢測(cè)的發(fā)展,使用者對(duì)識(shí)別模型部署難度、檢測(cè)速度和檢測(cè)精度的要求也越來(lái)越高,輕量化

網(wǎng)絡(luò)模型和注意力機(jī)制開(kāi)始被廣泛應(yīng)用。

輕量級(jí)網(wǎng)絡(luò)模型旨在減少模型參數(shù)的數(shù)量和復(fù)雜性,同時(shí)保持目標(biāo)模型的準(zhǔn)確性。輕量級(jí)網(wǎng)絡(luò)結(jié)構(gòu)

一般采用卷積結(jié)構(gòu)方法,如深度可分離卷積、分組卷積,或使用全局池化操作代替完全連接的層[21-22]。這

些方法實(shí)現(xiàn)了通道降維,減少了卷積過(guò)程中模型參數(shù)的數(shù)量,從而加快了網(wǎng)絡(luò)模型的收斂速度。常見(jiàn)的輕

量級(jí)網(wǎng)絡(luò)工作結(jié)構(gòu)包括 GhostNet、ShuffleNet等模型。YOLOv8中的C2f模塊則參考了 YOLOv5中的

C3模塊以及 YOLOv7中ELAN模塊的原理進(jìn)行設(shè)計(jì),使得模型在保證輕量化的同時(shí)獲得更加豐富的梯

度流信息。

第38卷第2期 劉蘇杭,等:基于改進(jìn) YOLOv5的草莓病害及養(yǎng)分狀況識(shí)別與檢測(cè) 89

一般來(lái)說(shuō),注意力機(jī)制通常分為以下4個(gè)基本大類(lèi):空間注意力機(jī)制(SpatialAttention)、時(shí)間注意力

機(jī)制(TemporalAttention)、通道注意力機(jī)制(ChannelAttention)、分支注意力機(jī)制(BranchAttention)。

常用的有SE、CA、GAM、CBAM 等注意力機(jī)制。SimAM 注意力機(jī)制是一個(gè)不需要額外參數(shù)的通道及空

間注意力機(jī)制,使其具有易于部署、對(duì)模型檢測(cè)精度提升明顯的特點(diǎn)。

2 YOLOv5目標(biāo)檢測(cè)模型的改進(jìn)

在YOLOv5s模型的網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上,針對(duì)草莓葉片、花、果在不同生長(zhǎng)狀況下的圖像識(shí)別進(jìn)行網(wǎng)絡(luò)

結(jié)構(gòu)優(yōu)化,如圖2所示,將模型命名為ST-YOLOv5,改進(jìn)方法如下:

(1)在主干網(wǎng)絡(luò)結(jié)構(gòu)末端增加SimAM 注意力機(jī)制,使其能夠看到整個(gè)主干網(wǎng)絡(luò)部分,實(shí)現(xiàn)全局視野。

該機(jī)制從網(wǎng)絡(luò)神經(jīng)元中推導(dǎo)出三維權(quán)重(即考慮空間和通道維度),然后反過(guò)來(lái)細(xì)化這些神經(jīng)元,提升了網(wǎng)

絡(luò)的識(shí)別效率與精度。

(2)將原始結(jié)構(gòu)中的C3模塊替換為C2f模塊,使模型在保證輕量化的同時(shí)獲得更加豐富的梯度流信

息。同時(shí)增加小目標(biāo)檢測(cè)層用于檢測(cè)4×4以上的目標(biāo)。不僅保證了檢測(cè)速度,在檢測(cè)精度上也有一定的

提升。

圖2 ST-YOLOv5網(wǎng)絡(luò)模型圖

Fig.2 ST-YOLOv5networkmodel

2.1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)中SimAM 注意力機(jī)制的引入

在主干網(wǎng)絡(luò)結(jié)構(gòu)末端引入SimAM 注意力機(jī)制,既考慮了空間位置,又優(yōu)化了通道權(quán)重,也就是不同

通道的重要程度,從而提升識(shí)別檢測(cè)的精準(zhǔn)度,通過(guò)推導(dǎo)的方式得出三維權(quán)重,使其更加高效和輕量。

SimAM 注意力機(jī)制的實(shí)現(xiàn)是通過(guò)給每個(gè)神經(jīng)元分配一個(gè)唯一的權(quán)重,來(lái)評(píng)估每個(gè)神經(jīng)元的重要性,

它的理論來(lái)源于神經(jīng)科學(xué)。神經(jīng)系統(tǒng)中,如果神經(jīng)元的信息比較豐富,則通常會(huì)表現(xiàn)出與周?chē)钠渌窠?jīng)

元不同的放電模式。在激活神經(jīng)元時(shí)周?chē)纳窠?jīng)元也會(huì)受到抑制,這種抑制即空域抑制。通過(guò)這一原理,

90 安徽科技學(xué)院學(xué)報(bào) 2024年

SimAM 注意力機(jī)制賦予具有空域抑制效應(yīng)的神經(jīng)元更高的權(quán)重,而測(cè)量目標(biāo)神經(jīng)元和周?chē)窠?jīng)元之間

的線(xiàn)性可分性即可找到這些具有空域效應(yīng)的神經(jīng)元。利用這一原理,SimAM 注意力機(jī)制為其覆蓋的每

個(gè)神經(jīng)元定義了能量函數(shù),如式(1)所示:

et(wt,bt,y,xi)=(yt -t

︿)2 +

1

M -1∑

M-1

i=1 (yo -x

︿

i)2 (1)

通過(guò)式(1)即可對(duì)同一通道內(nèi)神經(jīng)元t與其他神經(jīng)元之間的線(xiàn)性可分性進(jìn)行訓(xùn)練。式(1)通過(guò)添加正

則項(xiàng)并采用二值標(biāo)簽即可得到式(2)所示的能量函數(shù):

et(wt,bt,y,xi)=

1

M -1∑

M-1

i=1 (-1-(wtxi +bt))2 +(1-(wtt+bt))2 +λw2

t (2)

式(2)的解析式如式(3)~(4)所示:

wt =-

2(t-μt)

(t-μt)2 +2σ2

t +2λ

(3)

bt =-

1

2

(t+μt)wt (4)

其中,

ut =

1

M -1∑

M-1

i=1xi (5)

σ2

i =

1

M -1∑

M-1

i=1 (xi -ut)2 (6)

因此,最小能量可以通過(guò)式(7)得到:

e*

t =

4(σ2

︿

+λ)

(t-u

︿)2 +2σ

︿2 +2λ

(7)

通過(guò)以上公式可以得出,能量越低,神經(jīng)元t與周?chē)窠?jīng)元的區(qū)別越大,重要性越高。由此可以通過(guò)

1/e* 來(lái)賦予每個(gè)神經(jīng)元重要性。

2.2 C2f結(jié)構(gòu)及增加檢測(cè)層

將 YOLOv5原始結(jié)構(gòu)中的C3結(jié)構(gòu)替換成梯度流更豐富的 C2f結(jié)構(gòu)。C3模塊主要是借助 CSPNet

提取分流的思想,同時(shí)結(jié)合殘差結(jié)構(gòu)的思想,設(shè)計(jì)C3Block,這里的CSP主分支梯度模塊為BottleNeck模

塊,也就是殘差模塊。C3模塊中使用3個(gè)卷積模塊(Conv+BN+SiLU)以及n個(gè)BottleNeck。同時(shí)堆疊

的個(gè)數(shù)由參數(shù)n來(lái)進(jìn)行控制,也就是說(shuō)不同規(guī)模的模型,n的值是有變化的。C3模塊結(jié)構(gòu)如圖3所示。

圖3 C3模塊結(jié)構(gòu)

Fig.3 C3modulestructure

C3模塊中對(duì)于cv1和cv2卷積的通道數(shù)是一致的,而cv3的輸入通道數(shù)是前者的2倍,因?yàn)閏v3的輸

入是由主梯度流分支(BottleNeck分支)依照次梯度流分支(CBS,cv2分支)Concat得到的,因此是2倍的

通道數(shù),而輸出則是一樣的。

YOLOv6就是用重參模塊 RepVGGBlock替換BottleNeckBlock來(lái)作為主要的梯度流分支,而PPYOLOE梯度流主分支則為RepResNet-Block。而YOLOv7則是使用了ELANBlock來(lái)作為梯度流主分

支[23],如圖4所示,YOLOv7通過(guò)并行更多的梯度流分支,使用ELAN模塊可以獲得更豐富的梯度信息,

進(jìn)而獲得更高的精度和更合理的延遲。

第38卷第2期 劉蘇杭,等:基于改進(jìn) YOLOv5的草莓病害及養(yǎng)分狀況識(shí)別與檢測(cè) 91

圖4 ELAN模塊結(jié)構(gòu)

Fig.4 ELANmodulestructure

圖5為C2f模塊結(jié)構(gòu)圖,可以看出C2f模塊就是參考C3模塊以及ELAN的思想進(jìn)行的設(shè)計(jì),讓模型

可以在保證輕量化的同時(shí)獲得更加豐富的梯度流信息。

圖5 C2f模塊結(jié)構(gòu)

Fig.5 C2fmodulestructure

在原有結(jié)構(gòu)的基礎(chǔ)上增加了針對(duì)小目標(biāo)的檢測(cè)層,以針對(duì)草莓植株上的細(xì)微特征進(jìn)行檢測(cè)。由圖2

可知,4個(gè)檢測(cè)層對(duì)應(yīng)的檢測(cè)特征圖大小分別為20×20、40×40、80×80、160×160,分別用于檢測(cè)32×2

以上、6×16以上、8×8以上以及原模型未添加的4×4以上的目標(biāo)。

3 結(jié)果與分析

在 Windows10操作系統(tǒng)中使用多種虛擬環(huán)境進(jìn)行網(wǎng)絡(luò)模型部署,其中 YOLOv5改進(jìn)模型的部署環(huán)

境為Python版本:3.8.17、Pytorch版本:1.12.0、Conda版本:4.10.3、CPU 為IntelXeonW-2255、GPU

為 NVIDIAGeForceRTXA4000。

3.1 數(shù)據(jù)集創(chuàng)建

數(shù)據(jù)集原始圖片共有1100張,部分來(lái)源于草莓種植園實(shí)拍圖像,其余部分來(lái)源于網(wǎng)絡(luò)收集的草莓植

株圖片,經(jīng)過(guò)數(shù)據(jù)增強(qiáng)操作得到3000余張草莓圖像,以8∶1∶1的比例分別設(shè)置了訓(xùn)練集、測(cè)試集和驗(yàn)

證集。為保證實(shí)驗(yàn)數(shù)據(jù)集的可靠性,數(shù)據(jù)集對(duì)不同種植模式、不同生長(zhǎng)階段的草莓葉片進(jìn)行了采集。使用

Labeling軟件進(jìn)行手動(dòng)標(biāo)注,標(biāo)注為voc格式,再使用格式修改腳本將其轉(zhuǎn)化為 YOLO系列使用的數(shù)據(jù)

集格式。模型訓(xùn)練輸入圖像尺寸設(shè)置為640×640。數(shù)據(jù)集標(biāo)簽包含花(Flower)、果(Fruit)、熟果(Ripe),

92 安徽科技學(xué)院學(xué)報(bào) 2024年

以用于檢測(cè)草莓花朵及果實(shí)的位置及成熟情況,葉片標(biāo)簽包含健康葉片(Health)、缺肥(Fertilizer)、白粉

病(Powdery)、缺鈣(Acalcerosis)、葉斑病(Greyleaf)等5個(gè)類(lèi)型用來(lái)檢測(cè)草莓的養(yǎng)分及病害情況。

3.2 評(píng)估指標(biāo)

本研究采用的目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)有召回率(Recall,R)、精確率(Precision,P)、檢測(cè)速度(FPS)、單識(shí)

別項(xiàng)的精確率均值(AveragePrecision,AP)和總體精確率均值(MeanAveragePrecision,mAP),檢測(cè)速

度越高證明模型結(jié)構(gòu)運(yùn)行更迅速流暢,召回率、精確率和各類(lèi)別平均精度的計(jì)算如式(8)~(10)所示:

P=

TP

TP+FP

(8)

R=

TP

TP+FN

(9)

AP=∫

1

0

P(R)dR (10)

其中,P 代表所有圖像檢測(cè)通過(guò)檢測(cè)的正確率;R 代表所有正樣本中的檢測(cè)正確率;AP代表不同召回率

下的精確率均值;TP代表正樣本預(yù)測(cè)為正類(lèi)的個(gè)數(shù);FP代表負(fù)樣本預(yù)測(cè)為正類(lèi)的個(gè)數(shù);FN 代表正樣本

預(yù)測(cè)為負(fù)類(lèi)的個(gè)數(shù)。

3.3 各改進(jìn)方式檢測(cè)結(jié)果對(duì)比

分別使用 YOLVv5s、YOLOv8n網(wǎng)絡(luò)結(jié)構(gòu)和基于 YOLOv5并通過(guò)改進(jìn)方法建立的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行目

標(biāo)識(shí)別模型的搭建,疊代次數(shù)為150次,batch-size為16。各模型所有識(shí)別種類(lèi)的平均識(shí)別率指標(biāo)如表1

所示。

表1 模型平均識(shí)別率指標(biāo)

Table1 Modelaveragerecognitionrateindicator

模型 Precision/% Recall/% mAP@0.5/% mAP@0.5:0.95/%

YOLOv5 73.3 84.8 86.2 55.2

YOLOv5+SimAM 86.3 90.0 94.4 60.8

ST-YOLOv5-SimAM 88.4 92.3 96.2 65.9

YOLOv8 82.8 79.4 88.3 63.5

ST-YOLOv5 92.1 95.7 97.9 74.1

使用改進(jìn)的模型對(duì)不同草莓的田間圖像進(jìn)行識(shí)別,如圖6所示。

圖6 識(shí)別結(jié)果

Fig.6 Recognitionresult

選取500張圖片作為樣本,分別使用ST-YOLOv5和YOLOv5結(jié)構(gòu)對(duì)其進(jìn)行檢測(cè),并根據(jù)檢測(cè)時(shí)間計(jì)算

出二者的幀率,如表2所示,由對(duì)應(yīng)的數(shù)據(jù)計(jì)算出改進(jìn)后的模型識(shí)別檢測(cè)速度提升了25.3%。

第38卷第2期 劉蘇杭,等:基于改進(jìn) YOLOv5的草莓病害及養(yǎng)分狀況識(shí)別與檢測(cè) 93

表2 2種結(jié)構(gòu)在草莓生長(zhǎng)狀況識(shí)別中的檢測(cè)速度

Table2 Detectionspeedoftwostructuresinidentifyingstrawberrygrowthstatus

Method 幀率/(f/s)

ST-YOLOv5 109

YOLOv5 87

4 結(jié)論

本研究在 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上進(jìn)行優(yōu)化,針對(duì)草莓的養(yǎng)分及病害情況的檢測(cè),設(shè)計(jì)了一種易

于部署且檢測(cè)精準(zhǔn)度高、檢測(cè)速度快的視覺(jué)識(shí)別檢測(cè)模型。該模型的識(shí)別精度指標(biāo):Precision為92.1%;

Recall為95.7%;mAP@0.5為97.9%;mAP@0.5:0.95為74.1%,其中 mAP@0.5較同平臺(tái)搭建的

YOLOv5和 YOLOv8模型分別提高了13.6%和10.3%。模型的檢測(cè)速度相較改進(jìn)前提升了25.3%。

本研究通過(guò)對(duì) YOLOv5模型結(jié)構(gòu)進(jìn)行改進(jìn),實(shí)現(xiàn)了在田間復(fù)雜環(huán)境下的草莓植株生長(zhǎng)狀況多項(xiàng)目識(shí)別,

為草莓作物的精準(zhǔn)對(duì)靶施肥施藥作業(yè)提供了智能化、自動(dòng)化作業(yè)的技術(shù)支撐。

參考文獻(xiàn):

[1] 劉暢,王曉,李憲松,等.我國(guó)草莓生產(chǎn)態(tài)勢(shì)及國(guó)內(nèi)外比較分析[J].中國(guó)果樹(shù),2023(7):136-140.

[2] 張玉龍.關(guān)于加快安徽長(zhǎng)豐草莓發(fā)展的對(duì)策與建議[J].現(xiàn)代經(jīng)濟(jì)信息,2009(13):310-311.

[3] 董慧慧.淺談安徽聞集草莓生產(chǎn)現(xiàn)狀及未來(lái)發(fā)展方向[J].農(nóng)業(yè)技術(shù)與裝備,2022(10):56-58,61.

[4] 韓振興,朱濤,常向陽(yáng).我國(guó)草莓出口現(xiàn)狀及存在問(wèn)題分析[J].中國(guó)蔬菜,2019(7):12-17.

[5] 侯學(xué)良,單騰飛,薛靖國(guó).深度學(xué)習(xí)的目標(biāo)檢測(cè)典型算法及其應(yīng)用現(xiàn)狀分析[J].國(guó)外電子測(cè)量技術(shù),2022,41(6):

165-174.

[6] 董玲,陳靜嫻.安徽草莓退化及病毒問(wèn)題研究[J].安徽農(nóng)業(yè)科學(xué),1997,25(4):367,376.

[7] 李昭,張耀藝,耿宇航,等.基于圖像識(shí)別技術(shù)的草莓采摘機(jī)設(shè)計(jì)[J].包裝與食品機(jī)械,2023,41(1):70-74.

[8] 周科宇,李軍.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)研究進(jìn)展[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2023,23(7):38-40,52.

[9] 李紅光,于若男,丁文銳.基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)研究進(jìn)展[J].航空學(xué)報(bào),2021,42(7):107-125..

[10] LIUQA,MAYK.Researchonaircraftobjectdetectionbasedondeeplearning[J].JPhys:ConfSer,2023(1):e012026.

[11] 羅元,王薄宇,陳旭.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)的研究綜述[J].半導(dǎo)體光電,2020,41(1):1-10.

[12] 金林華,柳凱玲,鄒家正,等.基于 YOLOv4的草莓目標(biāo)檢測(cè)技術(shù)研究[J].現(xiàn)代農(nóng)業(yè)科技,2023(1):119-122.

[13] 李揚(yáng),腰彩紅,高冠群,等.一種基于 YOLOv5的草莓多階段目標(biāo)檢測(cè)方法[J].天津農(nóng)業(yè)科學(xué),2022,28(11):81-90.

[14] 邱菊,徐燕.基于 YOLOv5s的草莓病害識(shí)別系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)技術(shù)與裝備,2023(5):41-42,45.

[15] 楊世忠,王瑞彬,高升,等.基于 YOLOv5的草莓輕量化網(wǎng)絡(luò)檢測(cè)模型[J].國(guó)外電子測(cè)量技術(shù),2023,42(4):86-95.

[16] WANGJX,SUYH,YAOJH,etal.Applerapidrecognitionandprocessingmethodbasedonanimprovedversion

ofYOLOv5[J].EcolInform,2023,77:102196.

[17] MAHAURB,SINGHN,MISHRAKK.Roadobjectdetection:Acomparativestudyofdeeplearning-basedalgorithms[J].MultimedToolsAppl,2022,81(10):14247-14282.

[18] 左若雨,陳豐,陳蒙,等.基于 YOLOv4的豬耳檢測(cè)方法研究[J].安徽科技學(xué)院學(xué)報(bào),2022,36(4):60-65.

[19] 張衛(wèi)民,國(guó)海,劉帥帥.基于計(jì)算機(jī)視覺(jué)的碭山梨分級(jí)系統(tǒng)[J].安徽科技學(xué)院學(xué)報(bào),2022,36(4):55-59.

[20] MAJEEDF,KHANFZ,NAZIRM,etal.Investigatingtheefficiencyofdeeplearningbasedsecuritysystemina

real-timeenvironmentusingYOLOv5[J].SustainEnergyTechnolAssess,2022,53:102603.

[21] LIUG,HUYX,CHENZY,etal.LightweightobjectdetectionalgorithmforrobotswithimprovedYOLOv5[J].

EngApplArtifIntell,2023,123:106217.

[22] 夏長(zhǎng)權(quán),汪李超,韓一帆,等.融合Shufflenet-V2的 Yolov5輕量化目標(biāo)檢測(cè)方法[J].信息技術(shù)與信息化,2023(3):

100-104.

[23] 戚玲瓏,高建瓴.基于改進(jìn) YOLOv7的小目標(biāo)檢測(cè)[J].計(jì)算機(jī)工程,2023,49(1):41-48.

(責(zé)任編輯:顧文亮)

94 安徽科技學(xué)院學(xué)報(bào) 2024年

安徽科技學(xué)院學(xué)報(bào),2024,38(2):95-102

JournalofAnhuiScienceandTechnologyUniversity

收稿日期:2023-11-28

基金項(xiàng)目:安徽省重點(diǎn)研究與開(kāi)發(fā)計(jì)劃項(xiàng)目(202104a06020001);安徽省高校自然科學(xué)研究項(xiàng)目(KJ2021A0879)。

作者簡(jiǎn)介:高朋飛(1997-),男,安徽亳州人,碩士研究生,主要從事農(nóng)產(chǎn)品的收獲與加工研究,E-mail:2597370894@qq.com。

通信作者:張新偉,副教授,E-mail:zhangxw@ahstu.edu.cn。

鮮食玉米果穗的物理力學(xué)特性

高朋飛, 張新偉* , 易克傳, 苑鳳霞, 馬戰(zhàn)偉

(安徽科技學(xué)院 機(jī)械工程學(xué)院,安徽 鳳陽(yáng) 233100)

摘 要:目的:針對(duì)鮮食玉米在機(jī)械脫粒過(guò)程中存在籽粒破損的問(wèn)題,研究對(duì)籽粒造成擠壓破壞的最小擠

壓力和實(shí)現(xiàn)玉米籽粒與玉米芯分離的最小軸向及徑向剪切力。方法:采摘3個(gè)不同時(shí)期的果穗,利用萬(wàn)能

拉壓型試驗(yàn)機(jī)對(duì)果穗開(kāi)展擠壓及剪切試驗(yàn)。結(jié)果:結(jié)果表明,果穗的籽粒會(huì)經(jīng)歷3個(gè)階段,即籽粒的形變、

破損、爆漿階段。在不同采摘期,含水率均值分別在71.51%±2.00%、64.96%±2.00%、50.21%±

2.00%的條件下,籽粒破損臨界點(diǎn)所對(duì)應(yīng)的試驗(yàn)力的平均值分別為81.7、644.5、960.4N;軸向剪切試驗(yàn)

結(jié)果表明,果穗所受到的軸向剪切力的平均值分別在25.3、60.8、234.1N時(shí),第1、2排籽粒被完全切除;

徑向剪切試驗(yàn)結(jié)果表明,單籽粒果穗被徑向切除的試驗(yàn)力的平均值分別為20.5、12.1、6.8N。結(jié)論:本研

究獲得的重要物理力學(xué)參數(shù)可為鮮食玉米脫粒機(jī)關(guān)鍵部件的設(shè)計(jì)提供理論依據(jù)和參考。

關(guān)鍵詞:鮮食玉米;機(jī)械脫粒;籽粒破損;含水率;脫粒機(jī)

中圖分類(lèi)號(hào):S225.7 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1673-8772(2024)02-0095-08

開(kāi)放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID): DOI:10.19608/j.cnki.1673-8772.2024.0213

Physicalandmechanicalpropertiesoffreshcornfruitears

GAOPengfei, ZHANGXinwei* , YIKechuan, YUANFengxia, MAZhanwei

(CollegeofMechanicalEngineering,AnhuiScienceandTechnologyUniversity,Fengyang233100,China)

Abstract:Objective:Researchwasconductedtodeterminetheminimumsqueezingforcethatcaused

damagetocornkernelsduringthemechanicalthreshingprocess,aswellastheminimumaxialandradial

shearforcesrequiredtoseparatethecornkernelsfromthecob. Methods:Threekindsofearsof

differentperiodswerepickedbeforeandafter,theextrusionandshearingtestsoftheearswerecarried

outbyusingauniversaltensileandcompressiontestingmachine.Results:Theextrusiontestresults

showedthatthegrainoftheearwouldgothroughthreestages,namely,deformation,breakageand

burst.Duringthedifferentpickingperiods,themeanvalueofmoisturecontentwas71.51%±2.00%,

64.96%±2.00%,50.21%±2.00%respectively.Theaveragevalueofthetestforcecorrespondingto

thecriticalpointofgraindamagewas81.7,644.5,960.4Nrespectively.Theresultsoftheaxialshear

testsshowedthatwhentheaverageoftheaxialcuttingforceonthespikeat25.3,60.8,234.1N,thefirstand

secondrowsofgrainswerecompletelyremoved.Theresultsoftheradialsheartestshowedthatthemeantest