食品新鲜度检测是食品安全与品质控制中的重要环节，直接关系到消费者的健康体验与营养摄入。对大众而言，食品新鲜度不仅影响食材的口感和营养价值，更是保障饮食安全、减少食源性疾病风险的关键因素。
本次测试以不同新鲜程度的白菜为研究对象，利用高光谱技术实现对白菜新鲜度的有效区分。
测试所采用的高光谱相机覆盖400-1000nm的光谱范围，具备优于2.8nm的光谱分辨率，高达300个光谱波段，F/2的大光圈设计提升光通量，480个空间像素确保空间细节表现，采用CMOS探测器并结合USB接口实现便捷高效的数据传输，12bits的有效位深保障了图像数据的丰富层次与精度。该设备为农、林、食品检测等应用提供了有力工具，欢迎大家咨询了解。
测试采用线性推扫成像方案，照明光源为卤素光源。实验在暗室环境中进行，样品被放置于水平位移台上以完成图像采集。
测试样品及测试环境
通过获取不同新鲜度白菜在400-1000nm范围内的光谱曲线，并分别选取完好的茎与叶区域以及干枯的茎与叶区域计算平均光谱，分析表明：
完好的叶片（红色曲线）与干枯叶片（紫色曲线）在500-700nm和800-900nm波段的光谱响应存在明显差异；
完好的茎（绿色曲线）与干枯的茎（黄色曲线）则在650-850nm范围内表现出显著光谱变化。
反射率曲线
在数据处理阶段，我们利用了两种不同的算法。
算法一选取枯叶ROI区域作为分类标准，能够有效识别部分白菜表面的干枯区域，但对茎部干枯区域的区分效果有限。
算法一
算法二通过对图像进行特征提取，实现了对表面干枯区域的更有效识别，从而对不同新鲜度的白菜实现了良好区分。
算法二
实验结果表明，基于400-1000nm波段的高光谱相机能够检测出不同新鲜程度白菜的光谱差异，且数据处理结果与实际状态相符。
本实验亦识别出若干实际测量中的难点：白菜表面覆盖的保鲜膜易引起光线反射，对信号造成干扰；同时，白菜的弧形表面不仅影响光线反射特性，也对相机的对焦精度提出了挑战。
针对这些问题，下一步计划包括优化光源结构、引入多角度照明方案，建立反射率校正模型以消除弧面造成的光谱强度偏差，提升数据可比性。此外，还将扩大样本数量，构建基于深度学习的新鲜度判别模型，以期实现更精确、可靠的白菜新鲜度分类能力，为实现更安全、更可靠的生鲜食品供应链提供了有效的技术保障。
本实验及数据来源于高谱成像。
