监测和控制食品质量是食品生产中最重要的一环。特别是水果和蔬菜比其他食品更加敏感，新鲜健康的才更有价值。高光谱成像为自动质量控制系统提供了关键数据，以确保食品的高质量。

使用Specim FX10高光谱相机测量李子和番茄的老化

新鲜度对评估水果和蔬菜的品质十分重要，成熟度和坚实度是需要观察和监控的两个最基本的质量指标。高光谱相机能够观察水果和蔬菜在成熟过程中的光谱变化。

在这项研究中，我们使用Specim FX10高光谱相机和实验室扫描仪对李子和番茄进行了为期20天的观测，以评估其老化过程。Specim FX10是一台覆盖400-1000nm光谱范围的可见光-近红外（VNIR）相机。分析的第一部分侧重于样本随时间变化的光谱特征，然后提出了番茄和李子新鲜度的回归模型。

使用FX10拍摄了样本的照片以及高光谱数据。照片显示，番茄和李子的新鲜度随时间明显下降（图2）。在其中一个番茄和李子的中间做了一个小切口，对加速番茄的老化有显著影响，但对李子没有影响。

光谱反射揭示化学变化

在进行光谱测量的第1、2、3、6、9、13、14、16、17、19和20天，每个李子和番茄上都选择矩形区域统计了反射光谱。为了便于阅读结果，图3仅呈现了在第1天、第13天和第20天获得的光谱，番茄的光谱差异比李子更显著。在图2的照片中已经可以看出差异。

光谱曲线揭示了水果和蔬菜内部随时间推移发生的化学变化。李子和番茄在早期生长阶段因为叶绿素呈现绿色，但当它们成熟时，叶绿素分解成另外一种化学物质。对于番茄来说，叶绿素分解成番茄红素，成熟的番茄则呈现为红色。这种化学变化解释了李子和番茄在550-750nm之间的光谱变化。水果和蔬菜的成熟过程也会影响水分水平或结构，水分的对应光谱体现在970nm处。除此之外，其他化学属性（如糖含量）也会随着时间变化而变化，多种化学变化塑造了各时间段的光谱曲线。

回归模型量化新鲜度

在这项研究中，建立了一个回归模型来量化李子和番茄的新鲜度。成像天数做为实际的回归变量，李子和番茄分别基于588-976nm和445-993nm的光谱范围进行预测回归分析，R²分别能达到0.81和0.91。实际值与预测值的回归图在图5中呈现。

结论

Specim FX10相机适用于测量水果和蔬菜的成熟度和新鲜度，因为它对与农产品新鲜度相关的特征十分敏感。在构建典型的回归模型时，经常采用有损的实验室测量值来作为参考进行模型开发和验证，这个研究显示，采用测量天数作为回归变量依然可以很好的预测果蔬新鲜程度。因此，有损的实验室指标对于获取果蔬的新鲜度并不是必要的，高光谱可以实现真正的无损预测与评估。

在可见光-近红外（VNIR）下工作的高光谱相机为监测新鲜食品品质提供了有效的工具。与传统的基于点的方法相比，高光谱成像具有无损、非破坏性的优势，是一种特别适合食品分级、分选和分类的方法。

北京易科泰生态技术有限公司为您提供：

ü FluorTron多功能高光谱成像分析技术

ü PhenoTron-HIS植物果实品质高光谱无损检测技术

ü FluorCam植物及果实叶绿素荧光成像全面解决方案

ü SeedSort高光谱成像在线分选平台