监测和控制食品质量对于盈利和负责任的食品生产至关重要。尤其是水果和蔬菜比其他食品更敏感，必须新鲜出售和加工才能有价值和健康。高光谱成像为自动质量控制系统提供了关键数据，以确保食品的高品质。

使用 Specim FX10 高光谱相机测量李子和西红柿的老化

食品老化是评估新鲜度时需要量化的重要参数。在此背景下，水果和蔬菜的成熟度和硬度是需要观察和监测的两个最重要的品质。高光谱相机可以观察水果和蔬菜在整个成熟过程中的光谱变化。

在本研究中，我们使用Specim FX10高光谱相机和实验室扫描仪对李子和西红柿进行了 20 天的检查，以评估其老化过程（图 1）。Specim FX10 是一款可见光-近红外 (VNIR) 相机，其光谱范围覆盖 400 至 1000 纳米。分析的第一部分侧重于样品随时间变化的光谱特征。然后，我们提出了西红柿和李子老化的回归模型。

图 1：将三颗李子和西红柿样本放置在 40×20 的实验室扫描仪上，并使用 Specim FX10 相机测量 20 天。

拍摄了样品的照片，并附上了高光谱数据。图片显示，李子，尤其是西红柿的新鲜度随着时间的推移而大幅下降（图 2）。在一个西红柿和李子的中间做了一个小切口。这似乎对加速西红柿的衰老产生了重大影响，但对李子却没有影响。

图2：第1天、第13天、第20天拍摄的样品照片。

光谱反射揭示化学变化

每天进行光谱测量时（第 1、2、3、6、9、13、14、16、17 和 20 天），对每个李子和西红柿进行矩形选择。图 3 中仅显示了第 1、13 和 20 天获得的光谱，以方便读取结果。光谱是所选光谱的平均值。西红柿的光谱差异比李子更显著。这在第 1、13 和 20 天拍摄的照片中已经可见（图 2）。

光谱揭示了水果和蔬菜内部随时间发生的化学变化。李子和西红柿在早期生长阶段呈绿色，这是因为它们含有叶绿素。但在成熟时，叶绿素会分解成另一种化学物质。对于西红柿来说，叶绿素会分解成番茄红素，这解释了西红柿呈红色的原因。这种化学变化解释了李子和西红柿在 550 到 750 纳米之间的光谱随时间变化的原因。水果和蔬菜的成熟过程还会影响水分含量或结构，从而影响它们在 970 纳米处的光谱。其他特性（例如糖含量）也会随时间变化，从而形成光谱反射率。

图 3：第 1、2、3、6、9、13、14、16、17 和 20 天获得的李子和西红柿的假 RGB 图像。每个数据集都合并成一个（马赛克），从左侧（第 1 天）到右侧（第 20 天）。每个西红柿和李子的平均光谱在第 1 天（白色）、第 13 天（粉色）和第 20天（紫色）显示。

量化衰老的回归模型

建立了一个回归模型来量化李子和西红柿的老化（图 3）。成像日期是实际的回归变量。对于李子，R2 为 0.81，而对于西红柿，R2 为 0.91。这些是根据用于训练模型的其他选择计算的。图 4 显示了实际值与预测值的回归图。

对于李子，该模型基于从 588 到 976 纳米的缩小光谱范围。对于西红柿，该模型基于 445 到 993 纳米之间的光谱带。

图 4：三颗李子（顶部）和三颗西红柿（底部）的回归模型输出。数据分别在第 1、2、3、6、9、13、14、16、17 和 20 天采集（从左到右）。热图范围从第 1 天（最小值）到第 25 天（最大值）。

图 5：两个模型的实际值与模型预测值（测量李子和西红柿的老化）

结论

Specim FX10相机适合测量水果和蔬菜的成熟度和老化度，因为它对与农产品新鲜度相关的特征很敏感。在建立典型的回归模型时，应使用实验室测量值作为参考值来开发和验证模型。然而，这些对于评估水果和蔬菜的老化度来说并不是必需的。

在可见近红外 (VNIR) 下运行的高光谱相机为监控新鲜食品的产品质量提供了有效的工具。与传统的基于点的方法相比，高光谱成像因其无损特性而特别适合食品分级、分类和分类。