高光譜成像技術結合了二維成像技術和光譜分析技術優勢，具有分辨率高、信息量大、檢測速度快等優點。通過獲取預制菜樣品在多個窄帶電磁波光譜下的圖像信息，能夠實現對樣品內部化學成分、物理結構以及空間分布的非接觸式、非破壞性檢測。此項技術不僅能夠提高檢測的效率和準確性，還能夠降低對環境和人體健康的潛在風險。

將預制菜樣品平鋪或放置在由奧譜天成自主研發的ATH3000 推掃式高光譜成像掃描儀上，確保樣品表面均勻且沒有重疊。
調整高光譜相機和光源的角度和距離，以獲得最佳的成像效果。

優勢：非破壞性檢測，保持樣品完整、獲取整塊樣品的空間分布信息，有助于發現內部不均勻性。

啟動高光譜相機，逐波段獲取樣品的光譜圖像，從可見光到短波紅外（范圍400-2500nm），采集過程中，保持光源穩定，避免環境光等外界因素干擾。

▲食材的高光譜圖像

優勢：獲取詳細的光譜信息，包含豐富的化學和物理信息。能夠區分成分細微差異，檢測復雜的食品成分。

對采集到的原始光譜數據進行標準正態變換（SNV），去除多余的光譜偏移。應用一階或二階導數處理，增強光譜中的細節特征。進行平滑處理（如Savitzky-Golay濾波），減少噪聲。

優勢：提高數據質量，減少噪聲干擾。增強光譜信號的特征，提高分析的可靠性。

利用高光譜成像技術獲取預制菜樣品的光譜信息，通過光譜特征提取，分析預制菜中的主要成分，如添加劑、防腐劑、調味料等，使用主成分分析（PCA）提取光譜數據中的主要特征分量，降低數據維度。應用線性判別分析（LDA）或其他特征選擇方法，篩選出對鑒別有重要貢獻的波段。

▲主成分分析均值提取

主成分分析（PCA）是一種統計方法，它通過正交變換將原始數據（在此情況下為高光譜圖像數據）轉換為一組稱為主成分的新變量。這些主成分在數量上少于或等于原始變量，但能夠解釋數據中的大部分方差。在高光譜圖像處理中，PCA可以將高維圖像數據轉換到低維空間，同時保留大部分有用信息。

基于提取的光譜特征參數，分析預制菜樣品中的成分信息，如添加劑、防腐劑、調味料等，并評估其新鮮度、水分含量等品質指標。通過與標準數據庫或已知預制菜樣品的光譜特征進行對比，判斷樣品的類別和品質。

選擇待鑒別的預制菜樣品，確保樣品具有代表性。對樣品進行適當的處理，如切割、去殼等，以便于高光譜成像儀的檢測。使用高光譜成像儀對預制菜樣品進行掃描，獲取其在不同波長下的光譜信息。這包括從可見光到近紅外等多個波段的信息，以形成高分辨率的光譜圖像。

對獲取到的光譜圖像進行預處理，如去噪、校正等，以提高數據的準確性和可靠性。利用化學計量學等方法，提取光譜特征參數，如吸收峰、反射率等，用于后續分析。根據提取的光譜特征參數，分析預制菜樣品中的成分信息，包括識別樣品中的添加劑、防腐劑、調味料等成分，以及評估其新鮮度、水分含量等品質指標。通過與標準數據庫或已知預制菜樣品的光譜特征進行對比，能夠初步判斷樣品的類別和品質。

建立基于高光譜成像技術的預制菜鑒別模型。通過收集大量預制菜樣品的光譜數據，結合機器學習算法進行訓練和優化，以提高模型的識別準確率和泛化能力。在實際應用中，只需將待鑒別預制菜樣品的光譜數據輸入模型，即可快速得到鑒別結果。

適用于部署在線高光譜監控系統，實現預制菜生產過程中的實時質量控制：配置高光譜成像系統和數據處理單元，連接到生產線的控制中心；設定監控參數和報警閾值，實現自動監控和異常報警。

實時傳輸數據到中央控制系統，進行分析和反饋：提供全面的分析工具，滿足不同用戶需求；易于操作，提高使用便捷性，實現生產全過程的質量監控，確保產品一致性；快速響應生產異常，提高生產線的穩定性和效率。

“預制菜之爭"，讓大眾再次把目光聚焦在食品安全與行業透明度上。預制菜作為食品工業化的重要方向，其未來發展離不開先進檢測技術的賦能。

高光譜成像技術是鑒別預制菜的有效手段，能夠準確區分不同種類、品質或加工狀態的預制菜。通過光譜特征分析，實現了對預制菜內部成分、新鮮度及加工過程等關鍵信息的快速獲取。根據提取的光譜特征參數，分析預制菜樣品中的成分信息。通過與標準數據庫或已知預制菜樣品的光譜特征進行對比，可以判斷樣品的類別和品質。高光譜成像融合了光譜信息與圖像信息，提供了豐富的數據支持，使得分析更加全面和深入，提高鑒別的準確性和可靠性。