跳到正文
原文
仪器信息网·生命科学·· 14 天前AI 评分35

近红外光谱技术从实验室走进田间与产线:全国第十一届近红外光谱学术会议农业与食品方向报告观察

近红外光谱技术正从实验室走进田间与产线:全国第十一届近红外光谱学术会议农业与食品方向报告观察

AI 导读

近红外光谱技术正从实验室向农业和食品生产一线转移,通过优化算法和硬件革新,检测节点前移到种子与植株生长阶段,设备成本和体积显著降低。该技术可实现快速无损检测,如山核桃空籽和香榧黑籽缺陷检测,准确率分别达到87.11%和96.10%。

正文

广告

一键询价

广告

热门视频

热门排行

热门话题

二维码

近红外光谱技术正从实验室走进田间与产线:全国第十一届近红外光谱学术会议农业与食品方向报告观察

进入

阅读更多内容

分享到微信朋友圈

打开微信,点击底部的“发现”,

使用“扫一扫”即可将网页分享到朋友圈。

分享: 2026/11/06 17:27:04

近红外光谱技术在农业与食品领域的应用正经历从实验室精密测量向田间产线实时检测的关键转型。本届会议报告表明,通过算法优化与硬件革新,检测节点已前移至种子与植株生长阶段,且设备成本与体积显著降低。 ## 数据处理 … 展开更多›

app

前沿资讯手机看

速览

从一粒花生是不是高油酸,到一颗山核桃有没有空籽,再到产线上叶菜的分选节奏——这些看似细碎的问题,如今都能被一束近红外光快速回答。在全国第十一届近红外光谱学术会议的农业与食品方向报告里,来自高校、科研院所与企业的研究者共同呈现出一幅清晰的图景:近红外光谱正在从实验室的一方台,走向田间与产线。

0 会场全景.jpg

01 数据:把有用的光谱信号从干扰里分出来

近红外数据处理,通常沿着一条“预处理-特征筛选-建模校正”的链条展开。预处理环节用多元散射校正、标准正态变量变换、高斯滤波等手段抑制基线漂移与散射干扰;特征筛选环节常用竞争性自适应重加权、连续投影算法等压缩冗余波段,把上百个波长压到十几个;建模环节仍以偏最小二乘、支持向量机等经典方法为主力,卷积神经网络、全连接网络等深度学习模型开始接手非线性与高维数据,迁移学习则用来缓解小样本、跨品种的建模难题。但九层之台,起于累土,再精巧的算法,也要建立在一组干净的光谱之上。干扰信号往往并不起眼,却会掩蔽真实信息,甚至颠覆结论,是整条链路上最不该被忽略的一环

中国农业大学/河南工业大学彭彦昆教授团队为了改善“做硬度指标(散射信号)被糖度干扰、做糖度指标时(吸收信号)被硬度干扰“的问题,用洛伦兹函数拟合光在农产品内部扩散的形态,取出渐近值、峰值、宽度、斜率四个散射参数,使得每个参数单独成一条谱。这样一来,光谱数由一条变四条,提高了检测品质数量和精度,也为深层物理和生化品质同时精准检测开辟了新途经。

北京科技大学田喜副研究员面对的是另一种“加在一起”的荧光混叠问题。黄曲霉毒素B1(AFB1,强致癌的霉菌毒素)受激发会发荧光,玉米基质也发荧光,单一365 nm荧光诱导难以精准分离定量。于是,团队构建双波长 LIF-HSI 系统,获取365 nm与340 nm激发下的单粒玉米荧光信息,先判污染等级、再引导含量回归预测,最终R2可达0.8023。

浙江农林大学孙通副教授处理的是“不能剥开看”的坚果内部缺陷问题。山核桃的空籽、黑斑藏在壳里,香榧的黑籽缺陷更难认。针对这个疑难,团队基于近红外光谱和投票法进行快速无损检测。团队先筛出特征波长,再合并多个模型的判断,最终可实现山核桃空籽的最高准确率87.11%,香榧的最高准确率96.10%。值得一提的是壳也反光,会盖住仁的信号,于是他们针对坚果外壳的光谱信息干扰,提出一种基于深度学习的全连接神经网络结合高斯滤波的近红外光谱校正方法,用于消除香榧外壳光谱干扰,以提高香榧籽黑籽缺陷的检测精度。

由此可见,他们应对的信号干扰问题是不一样的,比如吸收/散射叠加、荧光混叠和外壳遮挡等,但解法却是相似的:先把干扰建成可计算的模型,再从信号里剥掉。

02 应用:检测点为什么往种植端前移?

如果说数据端解决的是“算得准不准”,那么应用端要回答的是“判断该早到哪一步”。在本届会议上,多个团队不约而同地把检测点从收获后、加工中,前移到种子与植株生长阶段,例如种子活力、纯度、叶片长势等。

田喜副研究员团队通过可见-近红外、短波近红外、荧光和拉曼四路信息融合,先预测过氧化氢酶活性和丙二醛含量这两个老化指标,再由指标给种子活力分等级。中国农业科学院张良晓研究员团队盯的是种子纯度。高油酸花生和普通花生外观几乎一样,常规做法是定一个油酸阈值来判,可总有种子落在阈值附近。他们绕开这一步,先测每一粒的油酸含量,再看这一批的分布像不像纯种。经过盲样验证,他们发现即使是掺假16.75%的样本也能经过高光谱技术被识别出来。

不仅是种子,成株也同样需要被检测。宁夏大学吴龙国副教授团队用NaCl胁迫番茄,实现了微观和宏观高光谱之间的迁移学习及可视化,为番茄叶片中超氧化物歧化酶活性的观察和定量提供了新的方法。中国农业大学孙红教授团队把光谱从“测品质”推向“测长势”。马铃薯叶片的光化学猝灭系数(反映叶片把光能转成化学能的效率)与反射光谱负相关,在530至1012 nm间的三个波段,相关系数绝对值都超过0.6。这意味着不必摘叶、不必暗适应,操作人员在田里就可以估出光合参数。

03 仪器:让光谱仪从实验室走到地头

农业端用户量大、分散、单件产值低。几十万元一台的光谱仪,果农和小微加工厂买不起也养不起。于是,“原位采、做便宜、拿得动”成了竞争优势。

孙红教授团队主导研发了“智禾”系列光谱农业装备,包括作物叶部多波段光谱扫描仪、作物叶冠荧光成像仪、作物长势谱图融合探测仪和作物长势谱图融合探测仪等,孙红教授称关键技术自主率超95%,主要参数误差不大于8%(部分)。系列产品已示范推行在江苏省兴化市国家粮食生产功能示范区、建三江国家农垦现代农业示范区、河北省农林科学院旱作农业研究所等地,进行原位叶面积测量、叶面积指数分析、叶绿素估测、病害检测、表型分析等。而江苏大学郭志明教授则考虑到了“降本增效”,即换掉贵的核心器件。该团队研发的DMD型手持式果蔬品质无损检测仪用数字微镜配单点探测器和微型光源,这种高性能漫反射点测量,可以绕开昂贵的线阵探测器;LED型手持式果蔬品质无损检测仪用宽谱LED配窄带线阵再压成本,已迭代两代样机,可以通过5/4G连通云模型,实现现场快速无损检测与评价。

此外,从实验室走向田间地头,便携化装备可以帮助我们实现品质管控节点前移。中国农业科学院李龙副研究员就针对粮食、油品及果蔬现场检测,开发了系列便携装备,例如手持式果蔬检测仪集成微光谱仪与ESP32主控等,其重量不到600克,单样3秒出结果。广州星博谱光技术有限公司关注“小而精”,于是推出了AI驱动的手机直连光谱成像仪(MateSpec Thumb),这是一款基于马赛克像元镀膜微型光谱成像传感器开发的便携式多光谱相机,Type-C即插即用,其镀膜直接沉积在CMOS像元上方,每个像元只接收特定波段,通过马赛克排列实现单次曝光多波段同时采集。多光谱成像的光谱范围覆盖400-850 nm,适用于蓝莓等水果的成熟度检测、农作物籽粒水分含量/陈化/容重/霉变检测、肉类新鲜度检测等现场快速检测应用场景。

不可忽略的是,“原位采、做便宜、拿得动”是优势之一,设备智能化、检测效率、精度及准确性等也是影响用户选型的重要因素。

北京工商大学杨一副教授自主研发了可见/近红外透射在线检测系统,其采集范围覆盖550-1100 nm,光谱分辨率0.5 nm,可实现在线传送、比如,其柑桔品质流动检测分级车可实现,5果/秒,检测精度优于 3 mm。厦门理工学院刘燕德教授团队提出分选设备应该按果品尺寸和包装拆成四条线,并基于此研发了车间智能在线分选装备。其中大尺寸厚皮果(柚类、瓜类)用环形漫透射检测,分选效率大于18吨/小时、准确率高于93.8%;带包装的中等果用抗振动、抗光源干扰的果品智能化分检设备检测,分选效率大于12吨/小时、准确率高于95.8%;而小尺寸易损果则用自由果杯式分选,分选效率大于1.2吨/小时,果品损伤率从20%降到0.2%。山东省农业科学院董春旺研究员针对传统“看茶做茶”缺陷,提出了多维信息融合的波谱快速检测方法,揭示了堆积状茶叶原料及在制品的光谱、图像信息与品控指标的响应关系,研制了茶叶在制品品质特性实时在线无损检测设备;并且建成了我国代表性绿茶初制精制智能化加工生产线2套,茶鲜叶处理能力大于400公斤/小时。彭彦昆教授团队则把检测做进了“机器手”里,他们研创出果蔬品质检测-分级-装箱智能机器手,该机器手在抓取过程中可以进行糖度、着色度、果径等同步检测及分级,做到糖度误差为0.5%、分级正确率高于96%;另一方面,他们的叶菜品质在线检测与分选系统也实现了黄化叶、腐烂叶和虫害叶等劣质叶菜在线检出和筛选,分选正确率为95%,速度为2个/秒。

04 结语

把三条线索连起来看,一条清晰的链条已经浮现:数据端解决“信号能不能算清楚”,为后续检测提供可靠输入;应用端回答“检测点该放在哪里”,把判断提前到种植与加工的前段;仪器端则回答“设备能不能下地、能不能上产线”,用便携与在线装备把技术送到现场。三者相互牵制,数据不干净,设备再便宜也测不准;设备不下沉,数据再精细也落不到实处。

随着在线检测、智能分选和便携装备的成熟,近红外光谱正从实验室的精密仪器,变成田间与产线上随时可用的工具。这条路或许还长,但方向已经非常清晰。

[来源:仪器信息网] 未经授权不得转载

用户头像

为您推荐 精选资讯 最新资讯

新闻专题

版权与免责声明:

① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。

② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。

③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。

谢谢您的赞赏,您的鼓励是我前进的动力~

打赏失败了~

评论成功

评论成功

收藏成功

取消收藏成功

点赞成功

取消点赞成功

投票成功~

投票失败了~

来源:仪器信息网·生命科学 · instrument.com.cn