任广跃 李秀娟 尹 君 张长峰 王国利 张忠杰,

(河南科技大学食品与生物工程学院1，洛阳 471023)(国家粮食局科学研究院2，北京 100037)(国家农产品现代物流工程技术研究中心3，济南 250103)

据2012年中国统计年鉴，我国水稻种植面积占总耕地面积的18.52%，种植范围广，产量达20 100万吨，位居世界之首。国家粮油信息中心预测，2012至2013年度，中国稻谷消费量为20 150万t，较上年度增加310万t，增幅为1.5%，首超2亿t，稻米的生产、需求及进口均呈增加之势[1]。2012年，中国大米进口量同比增长超过4.5倍，达到创纪录的260万t，这使中国成为仅次于尼日利亚的全球第二大大米进口国。因此，做好稻米进口、生产加工、仓储、流通等环节的品质检测显得更为重要。近年来，随着人们生活水平不断提高，人们对大米的食用品质及食用安全性要求越来越高。大米是成品粮中最难保存的品类之一，由于稻壳和皮层在大米加工时均被去除，胚乳直接接触外界环境，米粒是富含淀粉和蛋白质等营养物质的亲水胶体物，加之稻谷加工时的机械损伤，极易受湿、热、氧、虫、霉等影响而变质[2]，特别在高温高湿条件下，大米陈化，霉变速度加快，酸度增加、黏性下降、品质劣变。如何做好稻米在储藏、加工、市场流通等环节的品质检测及品质变化的预测工作已显得尤为重要。就近些年发展起来的主要的无损检测技术、色谱分析技术、扫描电镜技术、质构分析技术等在稻米品质分析检测上的应用情况加以阐述和展望，以便利用前人的方法经验逐步完善我国在该领域的研究。

1 无损检测技术

无损检测即非破坏性检测，不破坏待测物原来的物理状态、化学性质等前提下，运用各种物理学方法(光、电、声、图像视觉技术等)从外部给待测物一个能量，待测物受能量作用时，从输入和输出的关系可获得待测物的物理化学特性[3-4]。近些年，很多学者都将其运用到稻米的品质检测方面。

1.1 近红外光谱分析技术

20世纪70年代以来，美国等国家的研究部门发现，利用食品成分对近红外线的吸收特性，对谷类、乳制品、肉制品、饲料等的水分、蛋白质、脂质、糖质、氨基酸等，可以进行有效的无损检测。1978年美国的FGIS(Federal Grain Inspection Service)及加拿大的CGC(Canadian Grain Commission)把近红外测定法作为国家标准测定法，逐渐取代原有的谷类蛋白定量测定法。在国外，近红外光谱技术已经成为粮食品质分析的重要手段[5]。王远宏等[6]取10个品种的大米利用近红外漫反射测定大米的蛋白质含量，通过一元线性回归，多元线性回归，非线性回归的方法比较，确定大米蛋白质测定的幂函数曲线，且回归关系极为显著。刘建学等[7]采用97个大米品种，对0.15、0.20、0.28 mm 3种粒度的大米进行近红外测定与化学测定建模，用二阶导数谱消除了粒度不同对测定结果的影响，模型的相关系数达到0.94。以同一批试验材料刘建学等[8]研究了基于近红外光谱的神经网络预测大米直链淀粉含量的研究，BP神经网络可降低粒度差异对预测结果的影响，预测值与化学测量值之间的相关系数达到0.9，与传统化学法比较大大节省了时间。俞法明等[9]、陆艳婷等[10]运用近红外光谱分析技术分别测定了籼稻品种的蛋白质含量和粳稻品种的直链淀粉含量，为籼稻品种育种，蛋白质的筛选提供了快速便捷的方法。林家永等[11]利用近红外光谱对不同地域、不同储存期、不同品种稻米的水分、脂肪酸值、品尝评分值进行拟合，通过对定标模型的优化，用偏最小二乘法建立的脂肪酸值、品尝评分值和水分预测模型的相关系数分别达到0.961、0.923和0.999，并在此基础上成功研制了便携式粮食储藏品质测定仪。近红外光谱分析技术对于稻米中的主要成分的研究已相对成熟，而对于稻米中微量物质的研究鲜有报道，Zhang等[12]利用近红外反射光谱预测了糙米中的氨基酸组成，除了胱氨酸、蛋氨酸与酪氨酸之外，所建立的模型可以很好地预测总氨基酸含量及其他的13种氨基酸。Wu等[13]通过近红外光谱预测大米粉中氨基酸组成及总氮含量，除了半胱氨酸、蛋氨酸及组氨酸，其它种类氨基酸都得到了很高的相关系数及较低的标准误差。Zhang等[14]用近红外光谱预测糙米总酚含量，总黄酮含量及抗氧化能力，通过主成分分析、偏最小二乘法和修正偏最小二乘法所建立的校正模型可以很好的预测糙米总酚类含量及糙米的抗氧化能力，但是3种方法建立的模型不能成功地预测糙米的总黄酮含量，这说明在运用近红外光谱及分析方法预测稻米微量物质方面还需要进一步探索。周子立等[15]借助近红外光谱技术，运用主成分分析法对大米品种进行聚类，采用小波变换技术提取特征光谱信息，运用BP神经网络对大米品种进行鉴别，品种识别率高达100%。陈坤杰等[16]通过近红外光谱采集30个粳稻、36个籼稻品种经不同时间碾削(20～95 s)的样本，通过偏最小二乘法建立稻谷糙出白率的定标模型，决定系数达到0.999 5，并发现随加工精度提高，糙出白率呈对数下降，在糙出白率基础上建立加工精度等级判定模型，模型预测精度为82.5%，利用马氏距离判别法优化后预测精度达到98.33%。

尽管近红外光谱分析技术在稻米品质检测上的研究众多，但我国南北纬度跨度大，稻谷品种繁多，受到取样地域及范围限制，定标模型不能涵盖绝大部分品种及不同生理状态的稻谷，比如高水分粮及极低水分粮，所建立模型的通用性在实际生产及稻米的流通过程中受到限制，国内的技术还不完善，还没有形成统一的检测标准及检测仪器。目前日本佐株公司已经成功开发了基于近红外光谱的米粒食味计和米饭食味计，可以在60 s内完成对稻谷、大米、米饭的食味检测，并同时测定样品的水分、蛋白质、直链淀粉等指标，方便快捷，但所建立的稻米数据库并不适用于我国的稻米品种，应用受到限制。

1.2 电子鼻检测技术

电子鼻是在20世纪90年代发展起来的一种气味扫描仪，是利用某种金属氧化物和生物膜，根据气味物质分子接触引起膜电位的微小变化来判断气味物质，可用于快速检测食品的气味，弥补理化检测及近红外光谱分析技术和观感评价中无法对气味物质精确定性定量的不足，近些年，传感器阵列和模式识别的电子鼻在稻米的检测中也有一定的研究和应用。在高温高湿的环境下，霉菌是引起谷物劣变的主要原因，谷物劣变过程中，由于微生物作用生成羟基类、醛基类、硫化物等化合物，进而产生霉味、哈败味、酸败味或甜味等气味，稻谷储藏过程中，自身代谢会产生醇、醛、酮类等物质，储粮害虫自身代谢也会释放一些特殊的气味物质。张红梅等[17]运用电子鼻检测6个霉变程度的稻谷，通过主成分分析，可以区分稻谷的霉变程度，且分析精度高。潘天红等[18]自行研制的一组厚膜金属氧化锡气体传感器阵列对几种谷物的霉变程度进行判定，采用RBF神经网络进行分析，正确识别率达到92.19%。Zheng等[19]通过电子鼻的参数优化及气敏传感器的选择对大米的芳香化学成分进行研究。Roberto等[20]利用电子鼻对谷物的真菌污染情况进行判别，通过GC-MS验证了电子鼻预测真菌污染程度的可行性。于慧春等[21]利用电子鼻对同一产地的4个不同水稻品种进行鉴别，结果显示BP神经网络分类效果最好，有可能实现一种基于电子鼻的对不同水稻品种进行快速有效鉴别的方法。宋伟等[22]应用电子鼻判别不同水分(12.5%、13.5%、14.5%、15.5%)粳稻谷在不同温度(15、20、25、30 ℃)、氧气浓度(5%、10%、15%、21%)条件下储藏过程中的品质变化，结果显示储存初期2个月内粳稻谷品质变化不大，气味变化不明显，随着储藏时间增加，品质劣变呈加快趋势，挥发物浓度增加，粳稻谷在高温高水分条件下，品质变化快，气味浓度高于低温低水分样品。

因此，可根据稻谷气味变化与储藏时间的关系方便快捷的选择最佳储藏条件，对储粮工作有现实指导意义，但目前将电子鼻技术应用于大型的粮仓中还存在气味传感器节点布线困难的问题，随着无线传感器的开发及信息传输的完善，将开发完善的电子鼻设备埋入粮仓的特定位置，可以实时监测粮仓内的气味，进而分析储粮品质，但传感器的灵敏度、数据的无线实时传输及准确性还需要进一步探讨研究。

1.3 计算机视觉技术及色彩色差法

稻米品质的感官评价，人工检测量大，主观性强，效率低，不能满足生产加工的需要，目前很多学者利用计算机视觉技术已经对稻米的品质展开研究。张巧杰等[23]、凌云[24]研究了基于计算机视觉的稻米品质快速检测装置，初步实现对垩白度、垩白粒率的检测。徐立章等[25]利用体式显微镜成像获取损伤稻谷的显微图像，通过小波变换的多尺度边缘检测提取稻谷损伤特征，并开发了一套稻谷损伤检测装置。郑东华等[26]在分析大米裂纹光学特征的基础上，开发了大米裂纹计算机识别系统，提出了基于单体裂纹米粒图像行灰度均值变化特征的大米检测算法，判断准确率达到97.88%。于润伟等[27-28]采用动态阈值分割，计算单粒米所占的像素，根据米粒长度来区分整精米和碎米，检测相关性大于99%，可用于整精米及垩白粒率及垩白度的自动检测。但设备及分析方法的多样化仍是目前无法普遍应用的问题，应将此类方法汇总建立数据库，通过不断完善改进，形成统一的标准。

色彩色差法可以迅速、准确、方便地测出各种试样被测位置的颜色，并通过计算，对颜色进行数值化表示，得到色差值。在稻米储藏加工过程中由于生理生化特性的变化及加工精度的影响，颜色会发生微弱的变化，直接影响稻米的商品价值及食用品质。这一方面的研究已有报道[29-30]，陈坤杰等[31]采用3个品种的稻谷研究了大米表面颜色与碾削程度的关系，随着加工精度的提高，米粒表面明度明显增大，红绿色调、黄蓝色调则逐渐减小，且品种之间差异性显著，糙出白率与大米表面的L、a、b呈线性关系。刘建伟等[32]通过米粒表面颜色的测定，发现采用碾白率来表征碾白程度和加工精度有较高准确性。Park等[33]的研究表明储藏期间大米的颜色会由奶白色变成黄色，b值升高，随储藏温度的升高而增大，而后趋于稳定，白度值随储藏时间延长降低。白度是影响米饭品质很重要的一个因素[34]，在日本将白度作为碾米企业质量控制的一项指标。张浩等[35]以R-B值为特征，采用数字图像处理技术准确判定大米的加工精度。侯彩云等[36]通过愈创木酚检测法结合图像处理技术及色度学原理提取稻米显色溶液的色度信息，建立色度信息与脂肪酸值之间的关系，结果表明在一定范围内，色度值与脂肪酸值呈显著的线性相关性，可以为陈化稻米的检测提供一种快速高效的定性定量手段。这样可以通过颜色的对比对稻米进行分级及加工精度的判定，但是如何根据颜色值正确地划分加工精度，目前国内还没有形成统一的标准。

2 色谱分析技术

色谱分析技术是利用试样中共存组分间的吸附、分配、交换、迁移速率以及其它性能上的差异，先将它们分离，而后通过特定检测器或质谱仪按一定顺序进行分析测定。张甲生等[37]用氨基酸分析仪测定了四化大米中的氨基酸含量，大米中16种氨基酸总量为5.456 g/100 g，其中10种必需半必需、9种药效、13种香甜味氨基酸，分别占总量的50.3%、68.7%、90.7%。邵亮亮等[38]用反相高效液相色谱法测定了新鲜大米及3年陈化大米中的氨基酸含量，结果显示新鲜大米和陈化大米的氨基酸含量差别较大，新鲜大米陈化后天冬氨酸、谷氨酸、精氨酸、丙氨酸、甲硫氨酸、胱氨酸、异亮氨酸、亮氨酸、苯丙氨酸、色氨酸、赖氨酸都有所减少，其中谷氨酸和丙氨酸含量减少最多，这说明大米陈化过程中，气味香味物质的衰退与呈味呈香氨基酸含量降低有关。丝氨酸、组氨酸、苏氨酸、酪氨酸、缬氨酸的含量有所增加，可能是陈化过程中蛋白质分解积累起来的，甘氨酸和脯氨酸含量基本不变。龚婷等[39]用氨基酸分析仪测定了不同蒸煮工艺对米饭游离氨基酸含量的影响，表明大米蒸煮后游离氨基酸含量有不同程度的提高，以较长时间低温 (50～60 ℃，20～30 min)处理，并以较高温度(110～120 ℃)蒸煮工艺制作的米饭的游离氨基酸含量最高。黄怀生等[40]用GC-MS联用仪对加工过程中香米香气成分的损失研究表明：碾磨程度越高，香米中香气成分的损失越大，将谷糙分离米加工至成品米，杂环类、酮类、酯类、烃类、醛类、醇类香气成分的含量分别减少71.52%、29.70%、27.64%、27.38%、26.83%、20.00%，而酸类香气成分的含量却增加了21.77%。这说明香米的香气成分主要存在于香米的皮层中，而酸类香气成分增加可能与加工时机械损伤引起的脂肪酸氧化有关。康东方等[41]以方便米饭和新鲜米饭为试验材料，通过GC-MS对其挥发性成分进行鉴定，二者均以挥发性羰基化合物和烃类为主，检测出新鲜米饭41种，方便米饭35种，种类间存在差异，方便米饭含有呋喃、吲哚等新鲜米饭没有的成分，可能是加工过程中一些热敏性物质的丢失及长链物质断裂重新生成新的香味物质。色谱分析技术及其液质、气质联用技术是稻米中物质成分定性定量检测必不可少的一种手段，尤其是糙米中生理活性成分的鉴定，如酚酸、黄酮、植物甾醇、菊糖等，也越来越受到关注。

3 扫描电镜技术

借助扫描电镜技术得到的图像进行分析是近些年发展起来的一种有效的、直观的检测手段。周显青等[42]对不同储藏条件(15 ℃、75%，20 ℃、65%，25 ℃、65%，30 ℃、80%)粳米胚乳显微结构进行观察，随着储藏时间延长和温湿度升高，表面胚乳细胞破裂程度增大，淀粉粒裸露程度增加，胚乳横断面的放射状结构排列趋于模糊，尤其是中心部位，胚乳细胞的破裂程度增加，胚乳细胞表面光滑度下降，小孔数量增多加大，表面蛋白质膜厚度下降，并有不同程度的翘起，淀粉颗粒间的裂缝增多，部分复合淀粉颗粒表面的蛋白质膜变得模糊和粗糙。说明不同温、湿度条件下胚乳微观结构及形态的变化是导致大米储存过程中品质劣变的重要原因。Zhou等[43]用扫描电镜观察37 ℃储存12个月的大米及经过纤维素酶和蛋白酶处理的大米淀粉粒表面，观察到纤维素酶处理破坏了残存的细胞壁结构。蛋白酶处理后，附着在淀粉粒表面的蛋白体被水解，同时经过纤维素酶和蛋白酶处理的大米糊化温度降低，峰宽变窄，说明细胞壁的变化及蛋白质的存在对贮藏期间大米的热特性有显著影响。扫描电镜技术可以直观地从细胞的微观结构出发描述因湿热、氧、虫等外界作用引起的稻米形态变化及不同地域、不同品种间细胞结构的微小差异而导致的表观差异，但目前仍无法定量地描述这一变化，还不能单纯从细胞结构的变化来判定稻米的新鲜度与陈化度。

4 质构分析技术

大米的感官评价，不仅需要专业的评审员，而且费时费力，结果受多种因素影响，重现性差。因此，能够正确表现食品质地的多面剖析性质的客观评价方法在这些方面具有较大优势。郭兴凤等[44]用物性仪对蒸煮后的米饭质构特性进行测定，采用多重比较进行分析，硬度和黏度的分析结果具有显著的差异性。尹阳阳等[45]用质构仪研究稻谷储藏过程中巯基与质构特性的关系，表明巯基含量变化与黏度变化呈极显著正相关，与硬度变化呈极显著负相关。孔进喜等[46]用质构分析的方法研究大米储藏过程中凝胶力学特性的变化，表明储藏12个月的稻谷制成大米后，硬度、咀嚼度、最大剪切力、剪切功都显著增大，弹性、黏聚性、回弹性、应力松弛时间均无明显变化，可能是由于稻谷陈化过程中蛋白质与淀粉相互作用，阻碍淀粉的膨胀，糊化形成的凝胶强度增大。毛根武等[47]采用不同的炊饭方式及不同的探头对米饭进行质构测定，得到最佳的试验参数。Park等[48]的研究表明较高温度储存的大米比低温储存的大米的硬度增加速度快，黏性下降的也快，这一结果可能是由于较高温度下储存，淀粉颗粒的水合作用减弱所致。但目前的研究中没有明确米饭温度对质构测定指标的影响，将蒸好的米饭放置室温进行测定，但人们习惯趁热食用米饭，在这一点上与感官评价存在差异，本研究发现不同温度下的大米硬度、黏度、咀嚼性等指标之间存在显著差异，因此进行米饭质构测定时不仅要考虑到大米品种、压头、蒸煮条件等因素的影响，也应严格控制测定温度，保证结果的重复性与可比性。

5 其他分析技术

在稻米品质检测分析中，常规的理化分析虽然操作起来繁琐，试剂量大，但必不可少。此外，利用谷物的介电特性，郝晓莉等[49]对水稻、玉米和大豆等3种物料的含水率进行了标定试验，利用含水率与电压比的关系进行回归分析，利用回归方程计算出含水率。尹丽妍等[50]分析了影响粮食介电特性的因素即：粮食含水率、温度、湿度、容重和测试频率，并提出了介电特性在非常规条件(如真空状态下)实现无损实时监测水分的应用前景。大米的热物性也是这些年的研究热点，特别是差示扫描量热法(DSC)对淀粉糊化的研究，可根据吸热峰的情况判断淀粉的糊化程度。Yu等[51]用差示扫描量热法，通过焓值的变化指示大米淀粉回生的程度，直链淀粉含量越高的大米，焓值的变化越大。Zhou等[44]用差示扫描量热法研究了储藏温度对大米热特性的影响，结果显示高温(37 ℃)储藏的大米较低温(4 ℃)储藏的大米的糊化峰值温度和糊化终了温度高，是储藏过程中蛋白质与淀粉粒相互作用的结果。此外，随着人们对转基因食品安全性的关注程度越来越高，PCR(聚合酶链式反应)检测技术也应用到了转基因稻米及其加工品的检测中。

6 展望

随着分析方法的改进和仪器设备的开发，无损检测技术在稻米品质分析中的作用将更加突出，开发性能稳定、精确度高、操作方便、小型化的稻米分析检测系统，在多方位系统化研究的基础上建立标准化的测量方法及分析方法，继而建立不同地域、多品种、具有代表性的稻米品质分析数据库，将会成为今后的发展趋势。

目前稻米的品质分析检测多集中于生产加工及储藏阶段的研究，而对于运输、销售等环节稻米所处微环境(如“北粮南运”过程)的变化所导致的品质变化(结露或出现裂纹等)研究较少。随着粮食物流过程品控追溯技术的研究，稻米物流环节的品质变化也将备受关注，应综合各项检测技术，开发适用于稻米物流环节的简易型、通用性的检测设备。

[1]http://www.farmer.com.cn/jjpd/jghq/201301/t20130105_793476.htm

[2]Zhou Z, Robards K, Helliwell S, et al. Aging of stored rice changes in chemical and physical attributes [J]. Journal of Cereal Science, 2002, 35:65-78

[3]付峰，应一斌.农产品品质检测中常用的图像背景分割方法[J].农机化研究，2003，2：85-86

[4]郭红利.猕猴桃的电学特性与无损检测技术的研究[D].杨凌：西北农林科技大学，2004

[5]Ciurezak E W. Use of near infrared spectroscopy in cereal product[J]. Food Testing and Analysis, 1995, 5:35-39

[6]王远宏，常若葵，张伟玉，等.基于近红外光谱的大米蛋白质含量的研究[J]. 农产品加工学刊，2009，7：30-32

[7]刘建学，吴守一，方如明.近红外光谱法快速检测大米蛋白质含量[J].农业机械学报，2001，32(3)：68-70

[8]刘建学，吴守一，方如明.基于近红外光谱的神经网络预测大米直链淀粉含量[J].农业机械学报，2001，32(2)：5-57

[9]俞法明，陆艳婷，严文潮，等.用近红外光谱技术快速测定籼稻品种的蛋白质含量[J].中国粮油学报，2009，24(5)：134-138

[10]陆艳婷，金庆生，叶胜海，等.应用近红外光谱分析技术快速测定粳稻品种的直链淀粉含量[J].中国粮油学报，2007，22(3)：149-153

[11]林家永，范维燕，薛雅琳，等.稻米储藏品质近红外光谱快速判定技术及仪器研发[J].中国粮油学报，2011，26(7)：113-118

[12]Zhang B, Rong Z Q, Shi Y, et al. Prediction of the amino acid composition in brown rice using different sample status by near-infrared reflectance spectroscopy[J]. Food Chemistry, 2011, 127:275-281

[13]Wu J G, Shi C H, Zhang X M. Estimating the amino acid composition in the milled rice powder by near-infrared reflectance spectroscopy[J]. Field Crops Research, 2002, 75(1):1-7

[14]Zhang C Y, Shen Y, Chen J, et al. Nondestructive prediction of total phenolics, flavonoid contents, and antioxidant capacity of rice grain using near-infrared spectroscopy[J]. Journal of Agriculture and Food Chemistry, 2008, 56, 8268-8272

[15]周子立，张瑜，何勇，等.基于近红外光谱技术的大米品种快速鉴别方法[J].农业工程学报，2009，25(8)：131-133

[16]陈坤杰，龚红菊，李毅念.基于近红外光谱的大米加工精度等级快速判定[J].中国粮油学报，2011，26(3)：105-108

[17]张红梅，王俊，叶盛，等.电子鼻传感器阵列优化与谷物霉变程度的检测[J].传感技术学报，2007，20(6)：1208-1210

[18]潘天红，陈山，赵德安.电子鼻技术在谷物霉变识别中的应用[J].仪表技术与传感器，2005，3：51-52

[19]Zheng X Z, Lan Y B, Zhu J M, et al. Rapid identification of rice samples using an electronic nose[J]. Journal of Bionic Engineering, 2009, 6:290-297

[20]Roberto P, Adriano A, Eugenio M, et al. Detection of fungal contamination of cereal grain sample by an electronic nose[J]. Sensors and Actuators B, 2006, 119:425-430

[21]于慧春，熊作周，殷勇.基于电子鼻的水稻品种鉴别研究[J].中国粮油学报，2012，27(6)：105-108

[22]宋伟，谢同平，张美玲，等.应用电子鼻判别不同储藏条件下粳稻谷品质的研究[J].中国粮油学报，2012，27(5)：92-95

[23]张巧杰，王一鸣，凌云.稻米品质检测技术研究[J].仪器仪表学报，2006，27(6)：564-568

[24]凌云.基于计算机视觉的谷物外观品质检测技术研究[D].北京：中国农业大学，2004

[25]徐立章，李耀明，王显仁.基于小波变换的多尺度边缘检测用于稻谷内部损伤的检测[J].中国粮油学报，2008，(23)4：200-204

[26]郑华东，刘木华，吴彦红，等.基于计算机视觉的大米裂纹检测研究[J].农业工程学报，2006，22(7)：129-133

[27]于润伟，金鲲鹏，朱晓慧.基于图像识别的整精米自动检测研究[J].中国粮油学报，2006，21(6):147-149

[28]于润伟，朱晓慧.基于图像处理的稻米垩白自动检测研究[J].中国粮油学报，2009，24(10)：122-125

[29]Lieve L, Els D B, Greet E V, et a1. Effect of milling on color and nutritional properties of rice[J]. Food Chemistry, 2007, 100:1496-1503

[30]Yadav B K, Jindal V K. Changes in head rice yield and whiteness during milling of rough rice[J]. Journal of Food Engineering, 2008, 86:113-121

[31]陈坤杰，吴贵茹，孟繁华.大米表面颜色与碾削程度的相关性分析[J].中国粮油学报，2010，25(7)：1-5

[32]刘建伟，徐润琪，张萃明，等.大米加工精度与碾白程度检测的研究[J].中国粮油学报，2004，19(3)：6-10

[33]Park C E, Kim Y S, Park K J, et al. Changes in physicochemical characteristics of rice during storage at different temperatures[J]. Journal of Stored Products Research, 2012, 48:25-29

[34]Kim D C. Post harvest technology for high quality rice[J]. Food Preservation and processing Industry, 2000, 1:66-71

[35]张浩，孟永成，周展明，等.基于图像处理技术大米加工精度的检测研究[J].中国粮油学报，2006，21(4):135-137

[36]侯彩云，王启辉，黄训文，等..陈化稻米数字图像检测方法的研究[J].中国粮油学报，2008，23(4)：194-196

[37]张甲生，房林相.四化大米中氨基酸含量与营养评价[J].农业与技术，2001，21(2)：44-45

[38]邵亮亮，苏秀榕，李妍妍，等. 大米贮藏过程中氨基酸含量的变化研究[J].食品科技，2009，34(7)：125-127

[39]龚婷，赵思明，熊善柏，等.蒸煮工艺对米饭蛋白质及氨基酸的影响[J].中国粮油学报，2008，23(4)：14-17

[40]黄淮生，朱旗，李拥军，等.香米在加工过程中香气成分的变化[J].湖南农业大学学报：自然科学版，2007，33(1)：87-89

[41]康东方，何锦风，王锡昌.顶空固相微萃取与GC-MS联用法分析米饭及其制品气味成分[J].中国粮油学报，2007，22(5)：147-149

[42]周显青，张玉荣，李里特.不同模拟储藏条件下粳米胚乳显微结构变化[J].农业工程学报， 2010，26(5)：329-333

[43]Zhou Z K, Robards K, Helliwell S, et al. Effect of storage temperature on rice thermal properties[J]. Food Research International, 2010, 709-715

[44]郭兴凤，幕运动.蒸煮大米质构特性测定方法分析[J].中国粮油学报，2006，21(2)：9-11

[45]尹阳阳，卞科，魏红艳.稻谷储藏过程中巯基与质构特性的关系[J].农产品加工，2010，6：71-73

[46]孔进喜，李云波，赵思明，等.大米储藏过程中凝胶力学特性研究[J].粮食与饲料工业，2011，3：9-11

[47]毛根武，董德良，杨瑞征，等.米饭质构特性测定方法的研究[J].中国粮油学报，2012，27(3)：1-5

[48]Park C E, Kim Y S, Park K J, et al. Changes in physicochemical characteristics of rice during storage at different temperatures[J]. Journal of Stored Products Research, 2012, 48:25-29

[49]郝晓丽，张本华，孟淑洁，等.介电特性在粮食含水率检测中的应用研究[J].农机化研究2006，6(2)：121-123

[50]尹丽妍，吴文福，张亚秋.介电特性在粮食水分检测中的应用[J].中国粮油学报，2010，25(11)：119-121

[51]Yu S F, Ma Y, Sun D W. Impact of amylose content on starch retrogradation and texture of cooked milled rice during storage[J]. Journal of Cereal Science, 2009, 50:139-144.