食品行業
高光譜成像技術在果蔬品質檢測中的應用近年來，食品安全問題備受關注，人們對果蔬品質與安全標準的要求也越來越高，已成為社會關注的熱點。通常，果蔬品質包括了形狀、顏色、大小和表面缺陷等外部品質與糖度、酸度、硬度、可溶性固形物含量、淀粉含量、水分和成熟度及其他營養元素的含量等內部品質，其品質好壞是其市場銷量的重要因素。傳統果蔬品質檢測方法如化學法、高效液相色譜法、質譜分析法等通常對待測物具有破壞性，且速度慢。機器視覺和光譜技術具有快速、無損、可靠等優點，近年來廣泛用于果蔬品質檢測中。其中，機器視覺技術通過提取和分析果蔬形狀、大小、顏色及表面缺陷等空間信息進行外部品質檢測，而近紅外光譜技術主要對果蔬內部品質進行檢測。
本文應用了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）。
新鮮度是反映果蔬品質的重要指標。剛采摘的果蔬通常需經過儲存、運輸，最終到達消費者，該過程將影響其新鮮度品質。一般而言，人們對果蔬新鮮度的主觀判斷是不準確的。有人利用高光譜成像技術對蔬菜的新鮮度檢測進行了探索。分別在失水0、10、24、48小時狀態下，利用成像光譜儀采集了小白菜、菠菜、油菜、娃娃菜等四種蔬菜葉片的光譜圖像并進行對比分析。其中，小白菜葉片在不同失水時間下的高光譜圖像與機器視覺圖像的對比分析如下圖所示。從中可以看出，隨著時間的變化兩幅圖中的葉片狀態均有明顯變化，但機器視覺圖像只能看出失水狀態，而高光譜圖像通過分析光譜信息的變化發現，葉片在失水過程中其外觀形態及內部葉綠素均有變化，葉綠素相對含量值預測模型的相關系數r=0.76,說明高光譜技術可以有效辨別蔬菜葉片的新鮮度。
腐爛是果蔬在貯藏、運輸過程中最常見的一種現象，不僅影響果蔬的內外部品質甚至會導致食品安全問題。對桃子根霉菌進行了深入研究，采用在400-1000 nm波段采集桃子360°全方位的高光譜數據(如下圖所示),然后通過統計方法和圖像分割算法得到三個單波長圖像(709 nm,807 nm和874 nm),可以明顯區分出邊緣、健全和腐爛部位。實驗中將腐爛部位按照尺寸大小分為3級，在對健全部位、輕微腐爛、中等腐爛以及嚴重腐爛的建模預測中，輕微腐爛的預測準確率為66.29%,其他三個的預測準確率均在95%以上，而對健全和腐爛兩種級別的預測準確率
隨著生活水平的提升，人們對健康食品的品質要求越來越高。傳統的機器視覺技術和物理化學方法在測量果蔬品質方面操作復雜、破壞性強，難以滿足檢測需要。高光譜成像技術融合了機器視覺、光譜和圖像處理技術，產生的圖像是“圖譜結合”的三維數據立方體，不僅包含了待測物的空間信息特征，同時還包含了待測物的光譜信息，能夠準確、快速、無損的檢測出農產品的品質，并且操作簡單，近年來廣泛應用于果蔬品質的檢測中。隨著社會發展與科學進步，高光譜成像技術將不斷提升和改進，未來在農產品、食品安全領域將具有更加廣闊的發展空間和應用前景。
