糧食關乎國計民生，其品質檢測對公眾健康與農業發展至關重要，精準高效的檢測技術是助力糧食產業升級的關鍵。高光譜成像技術憑借 “圖譜合一”的核心優勢，可實現糧食無損、非接觸、快速、多指標深度檢測，在品質控制、安全篩查等環節具有不可替代性。易科泰SpectraScan ^?高光譜成像分析系統融合了先進的高光譜成像技術、一體式平臺控制與數據采集技術、光譜校準算法及圖像分析技術，顯著提升了檢測效率與結果準確性，系統還可進一步擴展為多功能高光譜成像系統，為糧食及食品安全、中藥材檢測、種質資源檢測等領域提供強有力的技術支撐。

      近日，易科泰SpectraScan ^?高光譜成像分析系統在東北農業大學工程學院順利交付。易科泰工程師與用戶就高光譜成像分析系統的安裝、操作流程及數據分析等內容進行了詳細交流，該系統將助力東北農業大學工程學院的糧食品質檢測與改良研究工作。         交流培訓過程中，技術人員選用東北寒地稻區主栽品種綏粳 18 水稻作為樣品進行測試實驗，通過該系統采集其 400-1000nm 波段的反射光高光譜數據，并利用配套的 SpectrAPP ^?高光譜成像分析軟件完成數據解析。         反射光譜曲線顯示，?700-1000nm 近紅外波段三種稻米樣品呈現不同特征：帶殼稻谷反射率顯著高于糙米和白米，這與稻殼化學組成及吸收特性相關，近紅外波段光吸收對應物質中 O-H 和 C-H 的振動躍遷，稻殼中這些基團的化學環境使其吸收較弱，故反射率較高；?糙米與白米表層主要成分為淀粉和蛋白質，所含基團的振動模式與近紅外波段（尤其 900nm 附近）能量特征高度匹配，對該波段光吸收較強，因此反射率較低。
基于稻米高光譜數據，采用 PCA 降維分析法，選取前5個主成分計算平均權重系數，對主成分權重數據進行平滑處理，并利用函數檢測特征波段，共獲得5個特征波段：459.6、679.24、772.9、847.9和936.4 nm。       基于特征波段，采用 SVM 支持向量機分類法對三種稻米建模分類，其中糙米和稻谷分類精度較高，分別達 99.98% 和 89.32%，白米分類精度為 72.43%；基于全波段的 SVM 分類結果為稻谷 94.51%、糙米 98.73%、白米 86.27%，雖分類精度有所提升，但耗時大幅增加。結果表明，剔除冗余波段后，分類更具效率且準確。         此外，提取高光譜特征波段在糧食成分檢測領域同樣具有應用價值，以稻米為例，可借助化學檢測手段獲取其直鏈淀粉、蛋白質等營養成分的含量數據，隨后將多組樣品的特征光譜數據與之對應，構建機器學習模型，進而實現對營養成分含量的精準預測。以上分析結果說明 SpectraScan ^?  高光譜掃描成像分析系統可以無損快速的區分糧食種類，還可反映食品、中草藥有效成分含量。

      北京易科泰生態技術公司生態健康研究中心依托EcoTech ^?實驗室，對食品、中藥材的高通量無損傷品質檢測進行了系列研究探索，致力于為食品、中藥材、種質資源檢測提供全面的技術方案、服務與合作。

• FluorTron^?多功能高光譜成像分析，高光譜與生物熒光光譜成像技術

 

• SeedSort谷物高光譜成像在線分選平臺

 

• Phenoplot輕便型果實品質檢測技術方案