易科泰高(gao)光譜(pu)成像技術應(ying)用於(yu)枸杞(qi)品(pin)種(zhong)品(pin)質研究(jiu)

近(jin)日(ri)，北京(jing)易科泰生態(tai)技(ji)術有限(xian)公(gong)司為寧夏(xia)農(nong)林科學院枸(gou)杞(qi)研究(jiu)所(suo)交付壹臺便(bian)攜式智(zhi)能(neng)高(gao)光譜(pu)成像系統，該系統具備壹體(ti)式、輕(qing)量(liang)級、便(bian)攜型、、智(zhi)能(neng)化(hua)特點，可(ke)在(zai)室(shi)內(nei)、野(ye)外(wai)多種(zhong)場(chang)景(jing)下靈活應(ying)用(yong)，能(neng)夠為研究(jiu)人員(yuan)提(ti)供高(gao)效的(de)數(shu)據采(cai)集(ji)體(ti)驗(yan)和高(gao)品(pin)質的(de)數(shu)據質量(liang)。

高(gao)光譜(pu)成像技術是(shi)光譜(pu)技術和(he)成像技術的(de)有機(ji)結(jie)合(he)，在(zai)食品(pin)藥品(pin)等領域的檢(jian)測鑒定(ding)及(ji)質量(liang)評價(jia)中(zhong)，使用(yong)該技術的(de)效果(guo)要(yao)明顯優於(yu)僅使(shi)用光譜(pu)信息(xi)或(huo)空(kong)間(jian)紋(wen)理(li)信(xin)息(xi)的效果(guo)，並(bing)且(qie)具有快(kuai)速(su)、準確(que)、無創(chuang)、使用(yong)方(fang)便(bian)等優點。

應(ying)用案例(li)壹：不同(tong)果(guo)粒(li)大(da)小枸(gou)杞(qi)的區分

易(yi)科泰光(guang)譜(pu)成像實驗(yan)室技(ji)術人員(yuan)對(dui)兩(liang)種(zhong)不同(tong)果(guo)粒(li)大(da)小的(de)枸(gou)杞(qi)樣(yang)品(pin)進行(xing)400-1000nm波段高(gao)光譜(pu)成像數據采(cai)集(ji)及(ji)處理(li)分(fen)析(xi)，結(jie)果(guo)表(biao)明，基於(yu)兩(liang)種(zhong)枸杞(qi)的光譜(pu)和紋(wen)理(li)信(xin)息(xi)可(ke)以(yi)有效地(di)區分兩(liang)種(zhong)枸杞(qi)，也可(ke)結(jie)合(he)其他(ta)化(hua)學方(fang)法(fa)進(jin)壹步對(dui)其成分(fen)進行(xing)精準定(ding)量(liang)研究(jiu)。

應(ying)用案例(li)二：基於(yu)高(gao)光譜(pu)圖像的不同(tong)產地(di)枸杞(qi)分類(lei)

河(he)北工業(ye)大(da)學Mu Q等(deng)研究(jiu)人員(yuan)使(shi)用高(gao)光譜(pu)成像技術對(dui)來自寧(ning)夏、青(qing)海、甘肅(su)和新(xin)疆(jiang)的四(si)個主(zhu)產區的枸(gou)杞(qi)進行了分(fen)類(lei)。

該研究(jiu)使用(yong)壹種(zhong)新(xin)的(de)混(hun)合卷積神經網絡(luo)（New-Hybrid-CNN）架(jia)構，充分(fen)利用像素信(xin)息(xi)，將每(mei)個產地(di)的枸(gou)杞(qi)樣(yang)本(ben)劃(hua)分(fen)為2500個3D斑(ban)塊，並將不同(tong)產地(di)的枸(gou)杞(qi)樣(yang)本(ben)隨(sui)機(ji)分為訓練(lian)集（70%）和(he)測試集（30%），隨機(ji)選(xuan)取(qu)訓(xun)練(lian)集(ji)的(de)20%作(zuo)為驗(yan)證集。再(zai)使用(yong)具有3×3×3卷積核的同構3D卷積架(jia)構從高(gao)光譜(pu)立方(fang)信息(xi)中(zhong)提取(qu)光(guang)譜(pu)-空間(jian)聯(lian)合信(xin)息(xi)，然後(hou)使用(yong)深(shen)度(du)可(ke)分(fen)離卷積（DSC）來學習空(kong)間(jian)信息(xi)，結(jie)合(he)3D卷積和DSC的優點，有效地(di)提取(qu)了(le)深(shen)層(ceng)光譜(pu)-空間(jian)聯(lian)合信(xin)息(xi)，使架(jia)構更加(jia)輕量(liang)化。並(bing)將3D-CNN、HybridSN和SVM與(yu)所(suo)提出(chu)的方(fang)法(fa)在(zai)同(tong)壹參數(shu)下進行(xing)比較，發現(xian)New-Hybrid-CNN表(biao)現出(chu)了(le)更(geng)優的分類(lei)效果(guo)（如(ru)下左圖），並(bing)且所(suo)需參(can)數數(shu)量(liang)最少、用(yong)時最(zui)短(duan)。

實(shi)驗(yan)結(jie)果(guo)表(biao)明，充分結(jie)合(he)了高(gao)光譜(pu)成像中(zhong)光譜(pu)和空(kong)間(jian)信息(xi)的New-hybrid-CNN分(fen)類(lei)方(fang)法(fa)能(neng)夠有效識(shi)別不(bu)同產地(di)的枸(gou)杞(qi)，並且具有普適(shi)性(xing)，有助於(yu)解決(jue)食品(pin)分類(lei)和(he)農(nong)業(ye)應(ying)用(yong)中(zhong)的類(lei)似(si)問(wen)題(ti)。

參(can)考文獻(xian)：

[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(yi)科泰生態(tai)技(ji)術公(gong)司為食品(pin)、藥品(pin)檢測鑒定(ding)等領域提供(gong)SpectraScan^©無損高(gao)光譜(pu)成像檢測方(fang)案，並(bing)提供(gong)SpectrAPP^®光(guang)譜(pu)成像技術創(chuang)新(xin)應(ying)用項(xiang)目合(he)作(zuo)與(yu)技術服(fu)務。