（杨晨 供稿）近日，贵州大学大数据与信息工程学院杨晨教授团队与复旦大学芯片与系统前沿技术研究院合作，在食品无损检测技术领域取得重要研究成果。团队研发了一种新型多激光高光谱成像系统（LHIS），有效应对传统光源在食品品质检测中存在的热干扰和光谱重叠难题。相关研究成果以“Multi-laser Hyperspectral Imaging System for Food Quality Assessment”为题，发表在国际学术期刊《Innovative Food Science & Emerging Technologies》（中科院一区TOP）上。
高光谱成像（HSI）技术因其能融合光谱与空间信息，已成为农产品无损检测的重要手段。然而，现有的HSI系统在工业应用中面临着“鱼和熊掌不可兼得”的技术瓶颈。传统的卤素灯照明会产生热干扰，极易损伤热敏性食品；LED光源虽然冷光源，但带宽较宽，存在光谱重叠，纯度不足；而基于滤光片或推扫式的系统，往往结构复杂、光通量低且成本高昂。如何以低成本、简化的架构实现高光谱纯度和低热负载的检测，是该领域亟待解决的难题。
针对上述限制，该研究提出了一种替代性的照明策略，创新性地构建了激光高光谱成像系统（LHIS）。该系统并未采用昂贵的机械扫描或可调滤波器，而是利用20个离散的、可切换的窄线宽激光（覆盖400-1000 nm范围）作为光源。
该系统的核心优势在于：高光谱纯度：激光平均半峰全宽（FWHM）仅为2.44 nm，从根本上消除了宽带LED固有的光谱重叠问题；无热无散斑：通过匀化技术生成均匀、无散斑的光源，同时避免了热辐射对样本的干扰；高效降维：仅需20个波长的图像即可完成精准预测，相比传统系统数百个波段的数据量，大幅降低了数据采集和处理的门槛。
为了验证系统的鲁棒性，团队选取了具有复杂生化特性的山药（Yam）作为研究对象，对其在60°C热风干燥过程中的干物质含量（DMC）和硬度进行监测。山药干燥涉及粘液多糖、淀粉糊化及褐变等复杂变化，对检测系统的稳定性要求极高。研究通过LHIS系统同时获取了透射和反射高光谱图像，并对比了PLS、ELM、RF和XGBoost等多种算法。结果表明，透射模式在各项指标上均优于反射模式。其中，PLS算法在预测DMC方面达到了极高的精度（R²=0.98），XGBoost算法则在硬度预测中表现最佳（R²=0.938）。
【作者介绍】
第一作者：李家成（Jia-Cheng Li），贵州大学大数据与信息工程学院硕士研究生。从事光电检测系统、机器视觉检测算法方面的研究。
通讯作者：杨晨（Chen Yang），贵州大学大数据与信息工程学院教授。硕士及博士研究生导师，贵州省千层次创新人才。主要从事人工智能算法、机器视觉算法、嵌入式系统等研究，主要研究方向：(1) 深度学习算法在遥感图像及信息处理中的应用；(2) 深度学习算法在医疗图像及信息处理中应用；(3) 可视化光电检测系统与算法，及其在半导体检测与食品检测中的应用。
编辑：郭嫚
责编：张羽岚
编审：陈勇