仪器网（yiqi.com）欢迎您！

近日，北京易科泰生态技术有限公司为宁夏农林科学院枸杞研究所交付一台便携式智能高光谱成像系统，该系统具备一体式、轻量级、便携型、、智能化特点，可在室内、野外多种场景下灵活应用，能够为研究人员提供高效的数据采集体验和高品质的数据质量。

高光谱成像技术是光谱技术和成像技术的有机结合，在食品药品等领域的检测鉴定及质量评价中，使用该技术的效果要明显优于仅使用光谱信息或空间纹理信息的效果，并且具有快速、准确、无创、使用方便等优点。

应用案例一：不同果粒大小枸杞的区分

易科泰光谱成像实验室技术人员对两种不同果粒大小的枸杞样品进行400-1000nm波段高光谱成像数据采集及处理分析，结果表明，基于两种枸杞的光谱和纹理信息可以有效地区分两种枸杞，也可结合其他化学方法进一步对其成分进行JZ定量研究。

图1-1：左：枸杞RGB图；中：分类结果；右：枸杞400-1000nm反射光谱

应用案例二：基于高光谱图像的不同产地枸杞分类

河北工业大学Mu Q等研究人员使用高光谱成像技术对来自宁夏、青海、甘肃和新疆的四个主产区的枸杞进行了分类。

图2-1：左：不同产地枸杞RGB图像；中：枸杞反射光谱；右：不同产地枸杞的平均反射光谱

该研究使用一种新的混合卷积神经网络（New-Hybrid-CNN）架构，充分利用像素信息，将每个产地的枸杞样本划分为2500个3D斑块，并将不同产地的枸杞样本随机分为训练集（70%）和测试集（30%），随机选取训练集的20%作为验证集。再使用具有3×3×3卷积核的同构3D卷积架构从高光谱立方信息中提取光谱-空间联合信息，然后使用深度可分离卷积（DSC）来学习空间信息，结合3D卷积和DSC的优点，有效地提取了深层光谱-空间联合信息，使架构更加轻量化。并将3D-CNN、HybridSN和SVM与所提出的方法在同一参数下进行比较，发现New-Hybrid-CNN表现出了更优的分类效果（如下左图），并且所需参数数量少、用时短以及稳定。

图2-2：SVM (a)、3D-CNN (b)、HybridSN (c)和New-Hybrid-CNN (d)的混淆矩阵；

图2-3：New-Hybrid-CNN(a)、HybridSN(b)和3D-CNN(c)训练和验证集的损失和准确性

实验结果表明，充分结合了高光谱成像中光谱和空间信息的New-hybrid-CNN分类方法能够有效识别不同产地的枸杞，并且具有普适性，有助于解决食品分类和农业应用中的类似问题。

参考文献：

[1] Mu Q, Kang Z, Guo Y, et al. Hyperspectral image classification of wolfberry with different geographical origins based on three-dimensional convolutional neural network[J]. International Journal of Food Properties, 2021, 24(1): 1705-1721.

易科泰生态技术公司为食品、药品检测鉴定等领域提供SpectraScan^©无损高光谱成像检测方案，并提供SpectrAPP^®光谱成像技术创新应用项目合作与技术服务。

① SpectraScan^©-HSI高光谱成像分析技术（可选配UV-MCF生物荧光高光谱成像）

② SpectraScan^©传送带式在线自动分选系统

③ 便携式智能高光谱成像系统