食品行业
利用高光谱成像技术无损、快速、准确地检测阳光玫瑰葡萄的糖度，为葡萄品质评估、市场分级及消费者选择提供科学依据。
二、实验材料与设备
实验对象：市场上采购的新鲜阳光玫瑰葡萄样本。
实验设备：高光谱成像系统（杭州彩谱高光谱相机，其核心为400-1000nm近红外高光谱相机），以及配套的采集控制和数据处理单元、上位机软件等。
辅助工具：测糖仪（日本爱拓糖度计，用于验证高光谱成像技术的准确性）。
三、数据采集
样本准备：选取一定数量的阳光玫瑰葡萄，确保样本具有代表性，并尽量保持其表面清洁无损伤。
高光谱数据采集：使用高光谱成像系统对葡萄样本进行扫描，获取其表面的光谱信息。这些光谱信息覆盖了可见光、近红外和短波红外等区域，具有很高的光谱分辨率。将采集到的高光谱数据和可见光图像传输到采集控制和数据处理单元内，通过上位机软件进行控制与处理。
四、数据处理
1. 葡萄样本糖度数据统计
2. 高光谱图像ROI标记
3. 平均光谱曲线绘制（共91个葡萄颗粒样本）
4. 分别进行MSC、SNV光谱散射校正
5. 由校正后的曲线可以看出，阳光玫瑰葡萄主要的近红外吸收带集中在450-950nm之间，剔除390-450nm和950-1000nm的波段数据，原始光谱波段如下图所示：
6. 使用蒙特卡洛异常值剔除算法
7. 剔除异常样本后，使用PLSR算法对光谱波段进行建模，结果如下：
五、数据分析
1. 剔除8个异常样本后，模型的预测性能得到明显的提升，说明采集到的数据存在明显的异常值，通过异常值的剔除，可以实现对阳光玫瑰葡萄糖度的初步预测。
进一步由数据分析过程可知，以31号样本为例，检测该样本位置；由原始图像可以看出31号样本位于整串葡萄的边缘位置，亮度较低，高光谱成像系统接受的反射强度信号低，因此，位于成像视场边缘位置、接受光信号不足的葡萄籽粒或许是造成异常值出现的主要原因。
2. 与原始数据相比，经过散射校正SMC处理后的数据在校正集上的精度有了明显的提升，而预测集精度却出现了下降；这说明散射校正加剧了阳光玫瑰葡萄光谱的共线性问题，后续可以尝试通过提取特征波长或使用光谱编码技术来尝试解决。
3. 与已有针对其他品种葡萄开展糖度检测的文献研究相比，本次实验最大的不同之处在于：已有研究都是针对已从葡萄簇上摘下的单粒葡萄进行成像，这无疑保证了每粒葡萄所受的光照都是均匀的；而本研究直接对整串葡萄簇进行高光谱成像，各粒葡萄相互堆叠，并且成像面积，反射光强均有差异，为检测增加了难度。
六、各单粒葡萄预测结果
高光谱成像技术在阳光玫瑰葡萄糖度测试实验中表现出色，具有无损、快速、准确等优点。通过进一步优化算法模型和增加数据量，可以进一步提高检测精度和可靠性。未来，该技术有望在葡萄品质评估、市场分级及消费者选择等领域得到广泛应用和推广。
