每个人对辣度的接受程度都不一样，火锅底料的辣度如何科学量化？本次实验利用高光谱相机，对6种不同辣度的火锅底料进行测试，探索光谱数据与辣度的关联性。
「01 样品介绍」
测试6种不同辣度的火锅底料，辣度分别为：12°、36°、45°、52°、65°、75°
测试样品
「02 数据采集」
高光谱相机：覆盖400~1700nm波段（可见光+短波红外）
成像方式：线性推扫，确保数据精准
光源与环境：卤素灯均匀照明，暗室环境减少干扰
样品摆放：水平位移台固定，保证成像稳定
400-1000nm
900-1700nm
「03 分析方法」
高光谱成像不仅能拍出照片，还能记录每个像素点的光谱“指纹”。
实验过程中，首先使用400-1000nm可见近红外和900-1700nm短波红外两台高光谱相机采集6种火锅底料样品的光谱数据。
在数据预处理阶段，通过专业的高光谱分析软件对原始数据进行降噪处理和反射率计算，同时消除背景光谱干扰，确保获得纯净的目标物体光谱信息，这一过程通常在数据采集时同步完成。
随后从处理后的高光谱数据中提取关键特征，包括光谱反射率、吸收峰位置及光谱形态特征等，并运用主成分分析等降维方法筛选最具代表性的特征参数。
在分类识别环节，利用不同物质对特定波段反射率的差异特性，分别采用监督学习和无监督学习两种方法：前者通过标记数据集训练光谱角制图或卷积神经网络等分类模型，后者则运用K均值或层次聚类等算法实现数据自动分类。
最终将分析结果以伪彩色图像形式直观呈现，展示不同物质的空间分布情况，并基于光谱特征开展定量和定性分析，计算得出各类物质的浓度或类别参数。
「04 光谱曲线」
在400-1700nm波长范围内，六种不同辣度的火锅底料样本在a面和b面的反射率曲线呈现出相似的光谱波形，但反射率数值随辣度变化而存在显著差异。具体表现为辣度越高，反射率越低，这一趋势在a面和b面均保持一致。
值得注意的是，在b面的860-930nm波段范围内，反射率曲线对辣度的区分效果尤为明显，能够更清晰地反映辣度差异。
a面反射率(400-1000nm)
a面反射率(900-1700nm)
b面反射率(400-1000nm)
b面反射率(900-1700nm)
「05 建立CNN模型」
为了进一步分析辣度分类的可行性，研究采用卷积神经网络（CNN）对高光谱数据进行建模。
建立CNN模型（400-1000nm a/b面）
在400-1000nm波段的a面数据分类中，模型整体准确率介于75%-85%之间，其中辣度45°和75°的分类效果最佳，而辣度12°和52°由于数据采集时受容器遮挡影响，部分区域出现误判。此外，辣度36°因样品表面凹陷导致数据质量下降，而辣度65°的部分区域被错误归类为75°。
相比之下，b面的分类表现更为稳定，整体准确率约为85%，仅辣度45°的少量区域被误判为36°。
a面结果 (400-1000nm)
b面结果 (400-1000nm)
建立CNN模型（900-1700nm a/b面）
在900-1700nm波段的分析中，a面数据的分类准确率在70%-80%之间，其中辣度12°和36°因表面凹凸不平或凹陷导致数据质量较差，误判率较高，而辣度45°、52°、65°和75°的分类效果较好。
相比之下，b面数据由于表面更平滑，且无干辣椒等固体遮挡，分类表现显著优于a面，整体准确率超过90%，仅有少量区域出现误判。
这一结果表明，900-1700nm波段可能更适合用于火锅底料辣度的精准检测，尤其是结合b面数据时，分类效果更佳。
a面结果 (900-1700nm)
b面结果 (900-1700nm)
「06 总结」
基于高光谱视觉技术的研究表明，通过对六种不同辣度的火锅底料样品进行高光谱数据采集，并经过数据预处理和算法分析，能够有效区分样品的辣度等级。
实验数据显示，虽然样品a面和b面的光谱曲线均能反映辣度变化，但b面的区分效果更为显著。在光谱波段选择方面，相比400-1000nm的可见近红外谱段，900-1700nm的短波红外谱段展现出更高的识别准确率和检测精度。
为进一步提升研究结果的可靠性，后续工作将重点扩大样本数据量，通过增加样本多样性来持续优化识别准确率。
本文转载自高谱成像。
作为高光谱的供应商，我们提供全面的产品线，包括紫外-可见光-近红外和短波红外波段的高光谱相机、无人机载高光谱成像系统、便携式、实验室高光谱和显微高光谱。产品采用全国产研发的棱镜光栅分光技术和高效的装调标定技术。
爱博能主要产品：日光诱导叶绿素荧光(SIF)监测系统、温室气体分析仪、拉曼光谱仪、高光谱成像系统。
地址：广州市天河区广汕二路602号惠诚大厦B座403
电话：020-89858550
Email：market@exponentsci.com
网址：https://www.exponentsci.com