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“Evaluation and process monitoring of jujube hot air drying using hyperspectral imaging technology and deep learning for quality parameters”为题，发表于农林科学领域中国科学院一区TOP期刊《Food Chemistry》（IF=8.5）。

图：高光谱信息采集与品质参数的时空可视化分布

干制是农业生产过程中一项重要的加工作业环节，干制过程中即时有效感知检测品质参数对于提高林果加工质量和提升经济价值至关重要。目前，感官分析、化学、物理分析等是一种有效的检测手段和方法，但由于其专业性、复杂性和高成本，在干燥过程中对品质参数进行大规模、连续的监测是具有挑战性的。为此，课题组以红枣为对象开展相关研究，首先明晰了红枣在不同干制温度下品质参数（可溶性固形物含量、可滴定酸度、水分和硬度）的变化规律，以及品质参数与其干燥过程中光谱变化的响应机制；然后基于高光谱成像新型传感技术与机器学习算法，构建了CNN_BiLSTM与 SEnet注意力机制结合的深度学习模型，对比传统化学分析，实现了干燥过程中品质参数的有效预测。最后基于最佳预测模型，实现了不同干燥温度下品质参数在像素水平的时空分布可视化展示。该研究结果为今后设计开发智能干燥及检测系统，优化产业生产，提升新质生产力发展提供了新的见解。

工学院博士研究生刘全程为论文第一作者，樊书祥副教授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对论文选题和论文研究思路给予了宝贵的指导意见和见解。北京林业大学是文章第一完成单位。

本研究得到了中央高校基本科研经费项目（BLX202333）、国家大学生创新创业发展计划项目（202410022068）、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。

机器视觉与人工智能（MV&AI）实验室由闫磊教授创建，团队致力于智能机器人、智能检测及微纳制造装备研发等方向，具有机械设计、硬件设计、控制系统开发、软件及人工智能算法开发的基础与经验。近年来主持国家自然科学基金、北京市自然科学基金等省部级以上课题10余项，主持横向课题20余项，开发产线/设备30余台套，在Computers and Electronics in Agriculture、Food Chemistry、Sensors and Actuators B: Chemical等国内外期刊发表论文100余篇。

原文链接：https://doi.org/10.1016/j.foodchem.2024.141999