Research advancements in optical imaging and spectroscopic techniques for nondestructive detection of mold infection and mycotoxins in cereal grains and nuts
Notice bibliographique
Résumé
Cereal grains and nuts are represented as the economic backbone of many developed and developing countries. Kernels of cereal grains and nuts are prone to mold infection under high relative humidity and suitable temperature conditions in the field as well as storage conditions. Health risks caused by molds and their molecular metabolite mycotoxins are, therefore, important topics to investigate. Strict regulations have been developed by international trade regulatory bodies for the detection of mold growth and mycotoxin contamination across the food chain starting from the harvest to storage and consumption. Molds and aflatoxins are not evenly distributed over the bulk of grains, thus appropriate sampling for detection and quantification is crucial. Existing reference methods for mold and mycotoxin detection are destructive in nature as well as involve skilled labor and hazardous chemicals. Also, these methods cannot be used for inline sorting of the infected kernels. Thus, analytical methods have been extensively researched to develop the one that is more practical to be used in commercial detection and sorting processes. Among various analytical techniques, optical imaging and spectroscopic techniques are attracting growers' attention for their potential of nondestructive and rapid inline identification and quantification of molds and mycotoxins in various food products. This review summarizes the recent application of rapid and nondestructive optical imaging and spectroscopic techniques, including digital color imaging, X-ray imaging, near-infrared spectroscopy, fluorescent, multispectral, and hyperspectral imaging. Advance chemometric techniques to identify very low-level mold growth and mycotoxin contamination are also discussed. Benefits, limitations, and challenges of deploying these techniques in practice are also presented in this paper.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».