农业行业
菜籽含油量是油菜籽品质分析中的重要指标之一。传统检测方法往往需要取样、制样及后续分析，而近红外高光谱成像技术将图像信息与光谱信息结合，为农产品品质检测与后续模型分析提供了另一种技术思路。
本次彩谱科技高光谱应用实践采用FS-19S近红外高光谱相机，对4种菜籽样本进行900–1700 nm波段的数据采集，观察不同样本之间的光谱响应差异，并分析这些数据用于菜籽含油量检测的可行性。
图1：FS-19S高光谱相机实验设备
不同物质的分子组成和内部结构不同，对不同波长光的吸收、反射响应也会产生差异。
高光谱成像能够在获取样品空间图像的同时，记录每个位置在连续波段下的光谱数据。也就是说，一次扫描得到的不只是“菜籽长什么样”，还可以获得相应区域随波长变化的反射率曲线。
在近红外波段，样品内部化学组成的变化可能反映在光谱吸收和反射特征中。因此，通过采集稳定的光谱数据，再结合相应的化学参考值和数据建模方法，可用于开展含油量等指标的定量分析研究。
本次实验选择4种菜籽样本：
l 256-101
l 256-203
l 256-402
l 256-503
实验设备采用FS-19S近红外高光谱相机，采集范围为900–1700 nm，配合SortingExpert 软件进行数据处理。
实验过程中，将菜籽样本放置在扫描平台上进行高光谱图像采集，每种样本分别进行10组扫描，通过软件框选对应的菜籽区域，提取样品光谱信息。
图2：橙色标签框选256-101品种菜籽样本区域
图3：绿色标签框选256-203品种菜籽样本区域
图4：蓝色标签框选256-402品种菜籽样本区域
图5：黄色标签框选256-503品种菜籽样本区域
这种区域提取方式，可以减少背景信息对数据分析的干扰，使后续获得的光谱曲线更多地反映菜籽样本自身的光谱响应。
经过数据预处理后，将4种菜籽样本的平均光谱曲线进行比较，可以看到，在900–1700 nm范围内，不同样本的反射率变化并不完全一致。
从实验结果来看，4组样本在曲线形态及部分波段的吸收、反射变化上具有较为清晰的差异，不同样本呈现出各自的光谱特征。
图6：四种菜籽平均光谱曲线对比图
这类差异也是高光谱进行样本识别和品质参数分析的重要数据基础。相比单纯依靠外观颜色或人工观察，高光谱记录的是多个连续波段下的响应信息，可以进一步挖掘肉眼难以直接获取的样品特征。
本次实验中，4种菜籽样本在900–1700 nm波段呈现出不同的反射率特征，样本之间具有较清晰的光谱区分度。
实验报告表明，在本次硬件配置和测试条件下，FS-19S高光谱相机采集获得的数据具有可辨识的光谱特征，可为菜籽含油量检测分析及后续模型建立提供数据基础。
需要说明的是，高光谱用于含油量定量检测时，通常还需要配合样品真实含油量参考值，经过光谱预处理、特征波段筛选、模型训练与验证等步骤，建立光谱数据与含油量之间的对应关系。因此，高质量、稳定的光谱数据采集，是后续定量分析中的重要环节。
