高光譜成像技術應用于蔬菜品質檢測評估

綠葉蔬菜是我們日常飲食中的健康食材，如菠菜、油菜、莧菜、生菜等。這些蔬菜含有豐富的健康所必須的人體營養元素，如維生素、鈣鉀鎂、葉綠素、胡蘿卜素、花青素、膳食纖維等等，研究表明綠葉蔬菜對健康的益處幾乎不可替代。每日飲食中保證100-200克的綠葉菜可有助于促進骨骼健康，預防心血管疾病等。因此，提高綠葉蔬菜的質量對蔬菜加工行業至關重要(De Corato 2020)，其中蔬菜質量（包括營養成分、新鮮度、外觀和收獲后的保質期）的評估，目前主要是通過視覺（Simko和Hayes(2018)）和生物分子標記法(Simko et al 2018)來評估預測，但是這兩種方法不僅耗時，而且需要很專業的技術人員，快速、便捷地評估和預測蔬菜保質期及營養物質的方法對蔬菜種植業來說非常重要，光譜成像技術特別是高光譜成像（HSI）技術已被證明是蔬菜質量檢測鑒定和分析的有效方法。

易科泰生態技術公司提供蔬菜品質檢測與采后生物學研究全面解決方案，高通量、非接觸、數字化：

1. PhenoTron®復式智能LED光源培養與成像分析平臺：

ü 一體式智能LED光源培養與高光譜成像原位（in-situ）分析

ü 復式多通道智能LED光源，每個通道（RGB、UV及遠紅等不同波段或不同顏色光源）獨立0-100%調制，可自由組合不同光源配方

ü 應用于光生物學研究及蔬菜栽培與品質檢測研究等（下圖為培養的木耳菜及種苗原位高光譜成像分析（PRI

2. PhenoTron®-PTS葉綠素熒光與高光譜成像分析平臺：

ü 高光譜成像分析，可選配紅外熱成像分析及RGB成像分析

ü FluorCam葉綠素熒光成像技術，光合作用的靈敏探針

ü 紫外光激發多光譜成像分析

3. PhenoTron®-HSI多功能高光譜成像分析系統：

ü 高光譜成像分析

ü 葉綠素熒光高光譜成像分析

ü UV-MCF生物熒光成像分析

應用案例一：基于高光譜成像技術的水培生菜養分含量測定

美國研究人員Sulaymon Eshkabilov等人利用高光譜成像技術對不同氮濃度水培條件下培養的4種生菜品種（Rex、Tacitus、Black seeds Simpson、Flandria）進行了在線品質測量分析。利用Specim高光譜成像采集生菜光譜數據，建立了具有反射率及其一階導數（FDR）兩個光譜數據值和兩個光譜指數（光譜比值(RSI)和歸一化光譜指數(NDSI)）的簡單線性回歸模型，以尋找最佳波段組合，并利用4個波段的偏最小二乘回歸法(PLSR)和主成分分析(PCA)方法估算了NO^{3 -}、Ca²⁺、K⁺、可溶性固形物含量(SSC)、pH值和總葉綠素濃度(SPAD值)。

結果表明：利用400-1000nm波段高光譜成像系統進行高光譜成像分析，可獲得生菜的養分含量。并且發現營養物質濃度的觀測值與PLSR和PCA模型的擬合值具有良好的相關性。

應用案例二：基于高光譜成像技術的生菜新鮮度識別

因為生菜極易腐爛，而在腐爛早期通過肉眼監測又難發現，因此對于生菜加工產業和育種公司而言，一套可用于生菜新品種品質鑒定及早期腐爛監測及其變化的系統顯得尤為重要。易科泰光譜成像實驗室技術人員利用PhenoTron®-HIS多功能高光譜成像分析系統監測普通生菜短期內反射光譜的變化，并分析其光譜特征及光譜指數隨時間變化的規律。為綠葉蔬菜的儲存、品質檢測鑒定及在溫室和包裝生產線上的應用提供高光譜成像技術方案。

水波段指數（WBI）對生菜水分狀態的變化比較敏感。從圖2-1可以看出：隨著生菜自然放置天數的增加，水分含量越來越低，生菜對970nm的光吸收強度相對于900nm的吸收強度也變低。

CI是葉綠素[ChI]含量最敏感的光譜指數之一；PSRI與蔬菜中類胡蘿卜素[Car]與葉綠素[ChI]比值密切相關，最終反應植物的衰老速度和衰老階段。由圖2-1和圖2-2可以看出鮮切生菜光譜曲線的變化和不同像素值對應分布的變化。根據生菜的光譜曲線以及不同像素值對應分布可進一步研究優化光譜指標對應的波段，為生菜等綠葉蔬菜的儲存、品種品質檢測鑒定、及在溫室和包裝生產線上檢測潛在變質等應用提供完整的高光譜成像技術方案。

參考文獻：

[1] De Corato, U., 2020. Improving the shelf-life and quality of fresh and minimally processed fruits and vegetables for a modern food industry: A comprehensive critical review from the traditional technologies into the most promising advancements. Crit. Rev. Food Sci. Nutr. 60 (6), 940–975.

[2] Simko, I., Hayes, R.J., 2018. Accuracy, reliability, and timing of visual evaluations of  decay in fresh-cut lettuce. PLoS ONE 13 (4), e0194635.

[3] Simko, I., Hayes, R.J., Truco, M.-J., Michelmore, R.W., Antonise, R., Massoudi, M., 2018. Molecular markers reliably predict post-harvest deterioration of fresh-cut lettuce in modified atmosphere packaging. Hortic. Res. 5 (1), 1–13.

[4] Sulaymon, E., Arim, L., Hyperspectral imaging techniques for rapid detection of nutrient content of hydroponically grown lettuce c*rs.

[5] Boris,S et al. Comparison of the Non-Invasive Monitoring of Fresh-Cut Lettuce Condition with Imaging Reflectance Hyperspectrometer and Imaging PAM-Fluorimeter. doi.org/10.3390/photonics8100425.