Разработка методики люминесцентного контроля содержания влаги в размолах кукурузы и пшеницы при приготовлении кормов

Приведены результаты исследования оптических свойств размолов зерна кукурузы и зерна пшеницы при различном содержании влаги в исследуемых образцах. Предложена методика варьирования содержания влаги в размолах зерна при оптических измерениях для определения корреляционно-спектральных зависимостей. При проведении оптических спектральных измерений использовали дифракционный спектрофлуориметр СМ2203 (ЗАО «Солар», Белоруссия). Измерения спектральных характеристик возбуждения η(λ) при расширенном сканировании в синхронном режиме проводили в диапазоне 230–600 нм, при средней чувствительности фотоэлектронного умножителя, длительности импульса τдл = 20 мкс, задержке импульса τзд = 0,75 мкс. Измерены синхронные спектры возбуждения размола зерна кукурузы при варьировании содержания влаги, спектры фотолюминесценции размола кукурузы для λв = 362 нм при варьировании содержания влаги, спектры фотолюминесценции размола пшеницы при варьировании содержания влаги для λв = 362 нм. Определены зависимости потока фотолюминесценции при варьировании содержания влаги зерновых размолов и их линейные аппроксимации для кукурузы (λв = 362 нм), для пшеницы (λв = 362 нм и λв = 424 нм). Статистически достоверные зависимости от влажности можно получить для интегральных потоков фотолюминесценции при возбуждении излучением 362 нм для размолов кукурузы, 362 и 424 нм – для размолов пшеницы.

1. Improving LIBS analysis of non-flat heterogeneous samples by signals mapping / V.N. Lednev, P.A. Sdvizhenskii, A.S. Dorohov [et al.] // Applied Optics. – 2023. – Т. 62, № 8. – P. 2030. – DOI: 10.1364/ao.473111.

2. Non-contact assessment of the nutritional value of feed with optical technologies // Agricultural Engineering. – 2024. – Т. 26, № 3. – P. 51–57. – DOI: 10.26897/2687-1149-2024-3-51-57.

3. Fluorescence mapping of agricultural fields utilizing drone-based lidar / V.N. Lednev, M.Ya. Grishin, P.A. Sdvizhensky [et al.] // Photonics. – 2022. – Т. 9, № 12. – P. 963. – DOI: 10.3390/photonics8120563.

4. Галеев Р.Р., Самарин И.С., Андреева З.В. Влияние погодных условий на урожайность и качество мягкой яровой пшеницы в интенсивном земледелии лесостепи Новосибирского Приобья // Вестник НГАУ (Новосибирский государственный аграрный универстет). – 2017. – № 4 (45). – С. 9–15.

5. Оптимизация технологических приемов возделывания кукурузы в нечерноземной зоне России: монография / В.А. Шевченко, А.М. Соловьев, И.П. Фирсов, И.Н. Гаспарян. – М., 2015. – 329 с.

6. Штейнберг Т.С., Семикина Л.И. Разработка систем оценки качества зернопродуктов по оптическим характеристикам // Контроль качества продукции. – 2017. – № 2. – С. 32–37.

7. Шевченко В.А., Соловьев А.М. Влияние основных факторов на формирование урожая кукурузы в различных агротехнологиях // Мелиорация и водное хозяйство: проблемы и пути решения: сб. мат-ов Междунар. науч.-практ. конф. – М., 2016. – Т. 2. – С. 54–57.

8. Manickavasagan A., Rathna Priya T.S. Characterising corn grain using infrared imaging and spectroscopic techniques: a review // Journal of Food Measurement and Characterization. – 2021. – Vol. 15. – P. 3234–3249.

9. Thermal analysis and artificial vision of laser irradiation on corn / H. Cisneros-Carrillo, C. Hernandez-Aguilar, A. Dominguez-Pacheco [et al.] // Discover Applied Sciences. – 2020. – Vol. 2, N 1606.

10. Антонов Р.Ю. Описание зерна моделью случайно-неоднородной оптической среды с целью межлабораторного согласования измерений показателя стекловидности // Научное приборостроение. – 2021. – Т. 31, № 2. – С. 84–92. – DOI: 10.18358/np-31-2-i8492.

11. Применение метода цветовой сегментации в задаче определения однородности кормосмеси / Ю.А. Иванов, С.Ю. Булатов, О.А. Тареева, Г.С. Малышев // Техника и технологии в животноводстве. – 2024. – Т. 14, № 1. – С. 54–63. – DOI: 10.22314/27132064-2024-1-54.

12. Разработка установки для определения однородности смешивания комбикорма методом цифровой обработки изображений / С.Ю. Булатов, Е.А. Герасимов, Г.С. Малышев, О.А. Тареева // Вестник Омского государственного аграрного университета. – 2024. – № 1 (53). – С. 124–139.

13. Оценка качества шерстяного и льняного волокна методом ближней инфракрасной спектроскопии и растровой электронной микроскопии / С.Л. Белопухов, Е.А. Шанаева, О.А. Жарких [и др.] // Овцы, козы, шерстяное дело. – 2023. – № 1. – С. 43–48.

14. Смешанные посевы кукурузы и зернобобовых культур для совместного силосования / В.А. Шевченко, А.М. Соловьев, Г.И. Бондарева, Н.П. Попова // Сельский механизатор. – 2023. – № 1–2. – С. 28–31.

15. Морозов Н.М., Кирсанов В.В., Ценч Ю.С. Историко-аналитическая оценка развития процессов автоматизации и роботизации в молочном животноводстве // Сельскохозяйственные машины и технологии. – 2023. – Т. 17, № 1. – С. 11–18. – DOI: 10.22314/2073-7599-2023-17-1-11-18.

16. Куликова Н.Н., Митяков Е.С., Шостко В.И. Факторы успешного управления проектами цифровой трансформации // Инновационная экономика: информация, аналитика, прогнозы. – 2024. – № 2. – С. 171–176. – DOI: 10.47576/2949-1894.2024.2.2.021.

17. Depth Profiles in Maize (Zea mays L.) Seeds Studied by Photoacoustic Spectroscopy / C. Hernández-Aguilar, A. Domínguez-Pacheco, A. Cruz-Orea, R. Zepeda-Bautista // International journal of Thermophysics. – 2015. – Vol. 36. – P. 891–899.

18. Chen X., Yao Z., He D. Investigation of Optical Properties and Activity of Wheat Stripe Rust Urediospores // Agriculture. – 2023. – Vol. 13, N 1316. – DOI: 10.3390/agriculture13071316.

19. Зиенко С.И., Беляков М.В., Малышкин В.В. Новые методы и средства спектрально-люминесцентного анализа семян растений: монография. – Смоленск: Универсум, 2020. – 184 с.

20. Беляков М.В. Оптические спектральные свойства семян растений различной влажности // Вестник НГИЭИ. – 2016. – № 4 (59). – С. 38–50.