農業行業
本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。
靈武長棗主要以鮮果供應市場，由于紅棗采后處理技術水平較低，果品企業從不同果園收集起來的果品成熟度參差不齊，且鮮棗采后在自然條件下容易失水、酒化，果肉很快變得松散，使得口感大大下降。酒化棗所產生的乙烯物質，會促使其他棗進一步的成熟導致運輸過程中腐爛現象的出現，造成農戶與企業經濟上的損失，影響靈武鮮食棗的品牌與銷售。
許多研究表明，水果在采后的包裝、保藏和運輸等過程中的果品損失率高至30.45%，不同成熟度果品的混雜是造成這種較高損失率的主要原因之一。因此，果品采摘后，根據成熟度對其進行區分與篩選并及時的進行處理，對于改善水果品質、提升水果等級、促進果品的銷售具有重要意義
本章采用高光譜相機對400-1000 nm波段范圍內的原始光譜進行預處理，選取最優的預處理方法：利用主成分分析提取特征波段，結合線性判別分析和支持向量機判別分析法對靈武長棗的不同成熟度進行分類鑒別。
利用可見近紅外高光譜成像系統對靈武長棗成熟度進行鑒別。對原始光譜進行多元散射校正、標準正態變量變換和 Savitzky-Golay 平滑等預處理，分別對預處理之后的光譜建立靈武長棗成熟度線性判別分析和支持向量機判別分析模型，結果表明，采用 Savitzky-Golay 平滑處理之后的光譜建立的靈武長棗成熟度線性判別分析和支持向量機判別分析模型效果較好。
對Savitzky-Golay 平滑處理后的高光譜數據采用主成分分析選取特征波長。研究發現采用PC1+PC2+PC3 選出的14 個特征波長 （415.75nm、478.17nm、521.38nm、535.79nm、641.42nm、670.23nm、675.03nm、699.04nm、703.84nm、742.25nm、747.06nm、963.12nm、967.93nm、948.72nm）可替代全波段數據進行線性判別和支持向量機建模分析，其鑒別模型的判別準確率分別為 90%和92.14%。
