近日,机械与电子工程学院闫银发/鹿瑶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