近日，工学院机器视觉与人工智能（MV&AI）实验室在高光谱无损检测领域取得新进展，研究论文以“Detection of dried jujube from fresh jujube with different variety and maturity after hot air drying based on hyperspectral imaging technology”为题，发表于农林科学领域中国科学院二区TOP期刊《Journal of Food Composition and Analysis》（IF=4.0）。

图1.CARS、UVE-CARS、SPA、UVE-SPA 选择光谱特征变量的位置

红枣品质始终如一对其经济价值和消费者接受度有重大影响。干枣的质量与鲜枣的收获质量密切相关，且会随着成熟度的变化而变化。加强标准化的产品质量管理可以显著提高消费者的接受度和商业成功。从商业角度来看，应该在干燥过程中保留高成熟度的鲜枣而排除低成熟度的。值得注意的是，一些生产商和加工商往往忽视这些区别，从而可能以不利的方式影响消费者和整体市场环境。因此，迫切需要有一种科学客观的方法，以区分从不同成熟阶段的新鲜枣中获得的干枣。这将确保贸易公平并保护消费者权益。本研究旨在开发一种快速、准确的方法，利用高光谱成像对不同成熟阶段的鲜枣制得的干枣进行分类。将PLS-DA、KNN和SVM算法与6种前处理方法相结合。空间归一化、基线校正和多重散射校正的预处理光谱进行进一步分析。结合连续投影算法、竞争性自适应重加权抽样和无信息变量消除来选择特征变量。AN-UVE-SPA-SVM模型共筛选出16个特征变量。该模型在校准集和验证集的最终判别准确率方面分别达到了96.0%和93.1%的最高准确率。本研究展示了利用高光谱成像技术对干枣进行鉴定和分类的可行性，为进一步研究通过高光谱技术对干果和蔬菜进行快速无损检测奠定了坚实的基础。

图2.不同前处理模型下全光谱和选定光谱的训练集、测试集的分类结果

工学院博士研究生刘全程为论文第一作者，王凡和闫磊教授为共同通讯作者，生物科学与技术学院朱保庆教授提供了样本材料，并对实验开展给予了帮助。北京林业大学工学院是第一完成单位，该研究还得到了林木资源高效生产全国重点实验室、林业装备与自动化国家林业和草原局重点实验室，林业食品加工与安全北京市重点实验室的支持。

本研究得到了国家自然科学基金项目（31770769）和国家XA科技创新计划项目（2022XACX1100）等项目的支持资助。

原文链接：https://doi.org/10.1016/j.jfca.2024.106378