农业行业
在推动农业智能化与食品安全监测的前沿研究中，贵州大学资源利用与植物保护专业团队成功构建了一套基于多光谱成像与卷积神经网络的辣椒农药消解动态可视化监测体系。该研究的核心数据采集环节，由彩谱科技高光谱相机FigSpec FS-23 全程支持，为实现农药残留的快速、无损、动态可视化检测提供了坚实的技术基础。
传统农药残留检测方法如色谱法、质谱法等虽精度高，但样品处理复杂、耗时较长，难以实现动态实时监测。本研究创新性地引入彩谱科技FigSpec FS-23高光谱相机，对辣椒叶片进行高精度光谱成像，获取400–1000 nm范围内300个波段的高光谱数据，为后续特征波长提取与模型构建奠定了数据基础。
研究团队通过高光谱成像系统采集喷施不同种类与浓度农药的辣椒叶片图像，结合多元散射校正（MSC）、Savitzky-Golay平滑（SG）等预处理算法，显著提升了光谱数据质量。进一步采用PCA、CARS、SPA等特征波长筛选方法，最终确定了戊唑醇和噻菌酯在500–600 nm与700–800 nm范围内的特征波段，并据此配置多光谱滤光片，实现低成本、高效率的农药残留可视化监测。
在模型构建方面，团队创新提出 1D CNN-LSTM 农残追忆算法，与XGBoost、SVM、RF等传统机器学习模型及DNN、BPNN等深度学习模型相比，在农药种类与浓度识别中表现最优，分类准确率接近100%。通过14天连续监测，该模型预测结果与实际LC-MS检测数据高度吻合（R²=0.845），实现了农药消解动态的精准预测。
该研究不仅为辣椒农药残留的实时、无损、快速检测提供了全新方案，也为未来开发田间便携式多光谱监测设备奠定了技术基础。彩谱科技FigSpec FS-23高光谱相机以其高分辨率、高稳定性和强环境适应性，为农业遥感与精准植保提供了可靠的技术支撑，助力智慧农业与食品安全监测迈向新台阶。
未来，研究团队将进一步推动该技术向田间应用转化，开发基于手机端的便携式光谱成像设备，实现农药残留的实时田间监测，为农药合理使用与蔬菜安全采收提供科学依据。
（论文全文可通过https://www.cnki.net搜索《基于多光谱和卷积神经网络的辣椒农药消解动态可视化监测体系的构建》进行阅读）
