近日，山东农业大学机械与电子工程学院闫银发教授团队在《Food Research International》期刊上发表题为“Physicochemical quality detection of wheat during hot air drying based on hyperspectral imaging combined with machine learning”研究文章。机械与电子工程学院焦青青博士生为论文第一作者，山东农业大学鹿瑶副教授和闫银发教授为该论文的共同通讯作者。
该研究基于HSI技术结合机器学习方法，建立了小麦干燥品质回归模型，分析不同温度与风速条件下小麦干燥品质变化影响因素，并对小麦干燥品质回归模型进行评估与优化，为谷物干燥品质检测和热风干燥智能控制提供了新方法和技术支撑。
采用高光谱成像(HSI)技术，对不同干燥处理条件下小麦的理化指标进行回归预测分析。首先对小麦干燥过程进行解析，随后结合化学计量学与高光谱成像技术建立干燥品质回归模型。干燥后小麦的L*、a*及ΔH值显著升高，同时淀粉颗粒表面发生溶解现象。该研究基于400-1000 nm波段原始光谱数据，比较了偏最小二乘回归(PLSR)、支持向量回归(SVR)和极端梯度提升(XGBoost)三种模型对不同干燥品质指标的回归性能。其中PLSR模型凭借较高的测试R²值(0.93-0.99)被选为光谱特征回归建模方法，经导数预处理后的光谱数据结合PLSR模型对热风干燥后所有小麦品质指标均表现出较好的回归效果(测试R²＞0.98)。后续研究需进一步整合高光谱成像技术，实现干燥特性与品质的动态监测，以构建具备自调节功能的干燥系统；同时应探索多目标优化模型，实现多个品质指标的同步预测。
论文链接：
https://doi.org/10.1016/j.foodres.2026.119175