高光譜成像技術是近二十年發展起來的基于多窄波段的影像數據技術，其zui突出的應用領域是：遙感探測領域，高光譜成像技術也被越來越多的應用于一些民用領域。它結合了光學、光電子學、電子學、信息處理、計算機科學等領域的先進技術，是傳統的二維成像技術和光譜技術有機結合在一起的一門新興成像技術。

     在北京卓立漢光儀器公司和華南理工大學現代食品工程研究院孫大文院士研究團隊多年的研究經驗基礎下，利用高光譜成像技術對低溫存儲環境下的鮮魚和經過解凍之后的冷凍魚作為研究對象，從光譜分析的角度出發，快速地對其魚肉片的屬性進行分類識別，進而根據其研究的成果，將此項技術應用于快速在線檢測產線并提供依據。

     利用我司研發生產的可見-近紅外高光譜成像儀（400nm-1000nm）分別獲取如下4種樣品的高光譜數據：新鮮鮮魚片、存儲在恒溫4°下（存儲時間為7天）的鮮草魚片、存儲在-20°及-40°下（存儲時間為30天）經過解凍的冷凍草魚魚片。通過研究4種魚片的光譜特征，可以發現：這4種魚片的光譜曲線趨勢基本相同，但4種魚片在400-1000nm波段范圍內的光譜反射率不盡相同，冷凍魚片的反射率值明顯比鮮魚和解凍魚片的高，而冷凍在-20°的魚片比冷凍在-40°的魚片的反射率值高。4種魚片在560nm處都有魚種中的蝦青素和角黃素相對應的吸收峰存在。

    針對這些現象，我們深入研究了造成這4種樣品魚片反射率值不同的原因。

     結合孫大文院士研究團隊提出的算法處理技術（獨立軟模式分類法（SIMCA）、zui小二乘法支持向量機（LS-SVM）和概率神經網絡（PNN）結合一階導數預處理），進一步對未知樣品進行分類識別，能夠利用其研究的分類識別算法準確地判別出未知樣品中的具體特征（新鮮、冷凍、解凍）。此種算法分類正確率（CCR）達到94.29%，進而驗證了此算法能夠為高光譜技術在全光譜段范圍400nm-1000nm波段下不同存儲環境下魚肉片的屬性進行分類、識別。

     為了能夠在產線上快速地對未知樣品進行分類識別，同時降低高光譜數據的維度減少數據處理的時間，利用簡化后的zui小二乘支持向量機分類結合一階導數預處理方法，結合Successive Projections Algorithm (SPA)選擇*波長（446nm，528nm，541nm，596nm，660nm，759nm，970nm）的方式來對樣品進行分類判別，可達到非常好的預測精度，分類的正確率可高達到91.43%。

     研究結果表明：利用我司可見近紅外波段的高光譜成像儀能夠充分獲取不同種類樣品的光譜數據，將光譜和影像做到圖譜合一。同時結合孫大文院士研究團隊提出兩種算法，可以更好地為不同種類的魚片進行快速分類識別，通過選取合理特征光譜波段的分析算法SPA能夠更加地完成檢測，避免了全光譜段分析方法存在的弊端，充分利用優化后的算法和特征光譜信息來完成建模工作，為下一步的在線檢測提供和理論依據。

     此次與華南理工大學‘現代食品工程研究院’研究團隊的合作，充分體現出我司在高光譜方面的技術優勢和能力，并為后期在不同應用方向上實現在線檢測提供理論依據和。

文章下載地址：http://dx.doi.org/10.1016/j.jfoodeng.2015.03.011

我司對應產品鏈接：http://www.zolix。。ｃｏｍ.cn/prodcon_370_375_367.html