粮食关乎国计民生，其品质检测对公众健康与农业发展至关重要，精准高效的检测技术是助力粮食产业升级的关键。高光谱成像技术凭借 “图谱合一”的核心优势，可实现粮食无损、非接触、快速、多指标深度检测，在品质控制、安全筛查等环节具有不可替代性。易科泰SpectraScan^®高光谱成像分析系统融合了先进的高光谱成像技术、一体式平台控制与数据采集技术、光谱校准算法及图像分析技术，显著提升了检测效率与结果准确性，系统还可进一步扩展为多功能高光谱成像系统，为粮食及食品安全、中药材检测、种质资源检测等领域提供强有力的技术支撑。

      近日，易科泰SpectraScan^®高光谱成像分析系统在东北农业大学工程学院顺利交付。易科泰工程师与用户就高光谱成像分析系统的安装、操作流程及数据分析等内容进行了详细交流，该系统将助力东北农业大学工程学院的粮食品质检测与改良研究工作。       交流培训过程中，技术人员选用东北寒地稻区主栽品种绥粳 18 水稻作为样品进行测试实验，通过该系统采集其 400-1000nm 波段的反射光高光谱数据，并利用配套的 SpectrAPP^®高光谱成像分析软件完成数据解析。       反射光谱曲线显示，​700-1000nm 近红外波段三种稻米样品呈现不同特征：带壳稻谷反射率显著高于糙米和白米，这与稻壳化学组成及吸收特性相关，近红外波段光吸收对应物质中 O-H 和 C-H 的振动跃迁，稻壳中这些基团的化学环境使其吸收较弱，故反射率较高；​糙米与白米表层主要成分为淀粉和蛋白质，所含基团的振动模式与近红外波段（尤其 900nm 附近）能量特征高度匹配，对该波段光吸收较强，因此反射率较低。
基于稻米高光谱数据，采用 PCA 降维分析法，选取前5个主成分计算平均权重系数，对主成分权重数据进行平滑处理，并利用函数检测特征波段，共获得5个特征波段：459.6、679.24、772.9、847.9和936.4 nm。       基于特征波段，采用 SVM 支持向量机分类法对三种稻米建模分类，其中糙米和稻谷分类精度较高，分别达 99.98% 和 89.32%，白米分类精度为 72.43%；基于全波段的 SVM 分类结果为稻谷 94.51%、糙米 98.73%、白米 86.27%，虽分类精度有所提升，但耗时大幅增加。结果表明，剔除冗余波段后，分类更具效率且准确。       此外，提取高光谱特征波段在粮食成分检测领域同样具有应用价值，以稻米为例，可借助化学检测手段获取其直链淀粉、蛋白质等营养成分的含量数据，随后将多组样品的特征光谱数据与之对应，构建机器学习模型，进而实现对营养成分含量的精准预测。以上分析结果说明SpectraScan^® 高光谱扫描成像分析系统可以无损快速的区分粮食种类，还可反映食品、中草药有效成分含量。

      北京易科泰生态技术公司生态健康研究中心依托EcoTech^®实验室，对食品、中药材的高通量无损伤品质检测进行了系列研究探索，致力于为食品、中药材、种质资源检测提供全面的技术方案、服务与合作。

• FluorTron^®多功能高光谱成像分析，高光谱与生物荧光光谱成像技术

• SeedSort谷物高光谱成像在线分选平台

• Phenoplot轻便型果实品质检测技术方案