近日，机械与电子工程学院闫银发教授团队与农学院孔令让教授团队合作在《Food Control》发表题为“Decoding Fusarium-induced microstructural and biochemical degradation for interpretable deoxynivalenol detection in wheat kernels enabled by data-efficient multispectral modeling”最新研究成果。硕士生鹿英哲为论文第一作者，鹿瑶副教授和闫银发教授为共同通讯作者，山东农业大学为唯一通讯单位。
小麦赤霉病（FHB）作为全球性真菌病害，不仅严重危害小麦产量，还可诱导籽粒大量积累脱氧雪腐镰刀菌烯醇（DON）毒素，严重威胁粮食安全与食品品质。然而，现有无损检测方法多依赖数据驱动模型，对DON形成过程中的组织损伤、化学组分变化及其光谱响应机制缺乏深入解析，限制了检测模型的可解释性与推广应用。
图1 融合微观化学表征（SEM/SR-FTIR）与宏观高光谱（SWIR-HSI）的小麦赤霉病病粒DON毒素预测
针对这一问题，团队融合微观化学表征（SEM/SR-FTIR）与近红外高光谱成像（SWIR-HSI）技术，构建了连接微观化学演变、组织结构退化与宏观光谱响应的跨尺度解析体系，系统揭示了禾谷镰孢菌侵染过程中小麦籽粒结构破坏、营养组分耗损与DON积累之间的耦合关系。研究发现，真菌侵染驱动籽粒内部组织结构由局部屏障破坏向胚部结构退化演变，并伴随淀粉、脂质和蛋白质等关键储藏组分的空间异质性降解；同时，SR-FTIR原位化学成像识别出与DON累积相关的特征吸收信号（约1734 cm⁻¹），为毒素形成过程的光谱解析提供了微观化学依据。在此基础上，研究进一步从全光谱信息中筛选出具有明确物理化学意义的关键特征波段，构建了高效、低维度的DON毒素多光谱预测模型，在降低数据冗余的同时保持了可靠的预测性能。该研究建立了由微观化学机制驱动的智能光谱检测新范式，实现了从分子组分变化、组织结构响应到宏观光谱信号的跨尺度关联，为小麦DON毒素快速、无损、可解释监测提供了新的理论框架与技术路径。
图2 不同污染水平下小麦籽粒内部组织结构退化的微观表征
图3 健康与毒素污染小麦籽粒种皮(a)、胚(b)和胚乳(c)组织的SR-FTIR一维光谱图
该项研究获得了中国博士后科学基金及山东省自然科学基金的资助。
论文链接：https://doi.org/10.1016/j.foodcont.2026.112468
编 辑：万 千
审 核：贾 波
