高光譜成像技術是一種光譜技術與成像技術構成的集成技術，能夠準確探測一維光譜和二維幾何空間信息，在食品安全檢測工作領域中被廣泛應用。本文簡單總結了高光譜成像技術在農產品檢測中的應用。

?

高光譜——無損檢測

在農產品無損檢測方面，由于高光譜成像技術依靠的是窄波段電磁波光譜的成像原理米分析物質的物理性質和化學成分，因此無需工作者破壞農產品結構，就能夠完成檢測工作，實現(xiàn)了農產品的無損檢測。在技術應用過程中，工作者需要使用光譜儀、CCD相機、圖像采集卡等設備構建一個高光譜成像系統(tǒng)，工作者先要利用該系統(tǒng)進行產品光譜圖像的采集，然后經過系統(tǒng)校準、圖像校正、圖像分析等操作流程，可以得出農產品內的農藥殘留、果銹情況。

在此過程中，由于農產品中各個物質的物理特征與化學成分存在差異，因此這些物質會顯示出不同的光譜信息，使得人們得以分辨出農產品內部所包含的各類物質，然后借此判斷出產品的質量情況，省略了傳統(tǒng)檢測中需要破壞產品結構的操作，提高了檢測工作的效果。

?

高光譜——準確度檢測

一般來說，相較于多維光譜技術，利用高光譜技術獲得的圖像具有更高的分辨率，使其在農產品檢測的應用中，體現(xiàn)出了精度高的特質，提升了檢測工作的水平。在準確度方面，該技術的運用能夠幫助人們得到三維的圖像數據，實現(xiàn)了樣本光譜信息與圖像信息的集成，為人們精準地判斷農產品質量，提供了有力的依據。

此外，在高光譜系統(tǒng)中，工作者可以通過增益、可變積分時間、暗電流偏移等方式，來反復校準和校正之前所獲得的原始高光譜圖像，進一步優(yōu)化了該技術下檢測工作的準確性，與此同時，隨著數據處理的技術的發(fā)展，人們已經能夠有效處理冗余信息多、波段多的高光譜圖像了，保障了最終檢測結果的精度，提升了產品檢測工作的水平。

?

高光譜——含糖量檢測

糖分作為人體必不可少的養(yǎng)分，含糖量在很大程度上影響著果蔬類農產品的質量，因此工作者將高光譜成像技術應用到含糖量的測定上，能夠準確判斷農產品的質量，增強產品檢測工作的效用。

在含糖量上，工作者可以利用高光譜系統(tǒng)米獲取產品糖度的漫反射光譜圖像，然后截取其中的有效波段，并建立糖度檢測模型。之后將數據信息帶入到模型中，能夠分析出產品中的含糖量，最后再在此基礎上，根據相應的指標來判定該產品的質量水平，明確受檢測果蔬的口感、營養(yǎng)含量等情況，使檢測工作更加精細。此外，由于該技術所需的人工操作較少，效率較高，因此能夠幫助產品檢測機構節(jié)省大量的人力資源，深入優(yōu)化了農產品檢測工作的效果，并且縮短了大規(guī)模產品檢測工作的周期，推動了檢測工作的發(fā)展。

????

高光譜——損傷檢測

傳統(tǒng)的外傷檢測主要依靠工作者在分揀過程中的肉眼判11:24譜圖觀察各類波段光的反射情況，可以判定農產品內部存在的損傷，比如凍傷、質變等問題，例如：在蘋果的損傷檢測中，工作者通過獲取其在近紅外、短波紅外、可見波段內的光譜信息，然后利用 SVM、SLOG 等方式，構建損傷檢測模型，能夠以90%以上的準確率檢測出其內外的損傷情況。

此外，由于產品的損傷情況與其食用安全狀態(tài)具有密切的聯(lián)系，因此工作者通過基于該技術的損傷檢測操作，能夠幫助人們評定農產品的食用安全性，增強了檢測工作的效用。

?

高光譜——內部細菌檢測

就目前來看，肉類經常會受到細菌的感染，而傳統(tǒng)的檢測工作效率較低，檢測周期較長，降低了工作效果。而基于高光譜技術的細菌檢測工作實現(xiàn)對大腸桿菌污染的快速、無損檢測，能夠有效提升肉類農產品的檢測水平。

在細菌檢測上，以牛肉為例，工作者可以通過分析紅外線條件下，牛肉的高光譜反射率光譜圖像，能夠得出牛肉樣本中的具體成分，在此過程中，工作者可以使用 PLSR 法，來建立牛肉脂肪、蛋白、水分含量的預測模型，然后將光譜圖像信息導入到模型中，可以準確地檢測出其中各個營養(yǎng)成分的含量狀態(tài)，并判斷出該樣品是否存在細菌污染，實現(xiàn)細菌檢測操作。

?

高光譜——可溶性固形物檢測 ???

可溶性固形物(SSC)檢測，為農產品檢測的重點內容，具體檢測項目包括“糖”、“微量元素”、“礦物質”等多種。以“藍莓的糖度檢測”為例，應首先準備好藍莓，置于4℃環(huán)境下密封保存 3d，檢測前4h 取出。此后，可將光譜波長設置為 900~1700nm，分辨率設置為 2.8nm，狹縫寬度 30pm，調整鏡頭焦距以及平臺移動速度后，便可開始檢測。糖度檢測，應于提取果汁后采用糖度計完成。采用 Matlab°R2010a 軟件平臺，對圖像進行處理以及校正后，便可形成光譜圖像。初步形成的光譜圖像，噪聲一般較大，需去除兩端波段，取 961~1665nm 范圍內的波形，建立藍莓可溶性固形物檢測模型，后于藍莓果實區(qū)域提取光譜信息，便可獲得平均光譜。

有研究通過對測量結果的觀察發(fā)現(xiàn)，當樣本數為5時，藍莓糖度為5%。隨著樣本量的增加，糖度同樣顯著提升。當樣本量增加至40時，糖度增加到最高，達到12%。此外，研究同樣發(fā)現(xiàn)，與選擇藍莓果柄光譜數據測量糖度相比，采用藍莓花萼測量糖度，建模結果更加準確?？梢?，以藍莓花萼為樣本，采用高光譜成像技術，對農產品的可溶性固形物進行檢測，能夠取得良好的效果。