牛肉作為高蛋白、低脂肪的優質食材，其新鮮度直接影響食用安全與商業價值。傳統檢測方法如高效液相色譜-質譜聯用、氣相色譜-質譜聯用等，雖精度較高，但存在操作復雜、成本高、對樣本具有破壞性等局限。近年來，高光譜成像技術因其快速、無損、可同時獲取光譜與圖像信息的優勢，在農產品品質檢測中逐漸受到重視。

杭州彩譜科技有限公司推出的FS-22高光譜相機，具備400–1000nm的光譜范圍、5nm的光譜分辨率及300個采集波段，在線陣InGaAs探測器的支持下，可實現對物體表面光譜信息的穩定采集。該設備在農業、食品等領域的品質檢測中展現出良好的適用性。

一、研究背景與方法

在近期一項關于牛肉新鮮度的研究中，科研團隊構建了一套高光譜成像系統，其中采用了FS-22高光譜相機作為核心采集設備。該系統還配備了鹵鎢燈光源與專業分析軟件，用于實現對生鮮牛肉樣本的光譜信息采集。

研究共制備112塊牛肉樣本，在4°C條件下儲存14天，模擬實際流通中的品質變化過程。每周期間隔采集樣本的光譜數據，并同步測定其pH值、總揮發性鹽基氮（TVB-N）及顏色參數（L, a, b*），以建立光譜信息與品質參數之間的關聯模型。

二、FS-22在系統中的作用

在該系統中，FS-22高光譜相機負責采集牛肉樣本在可見-近紅外波段的光譜反射信息。通過均勻光源照射樣本表面，相機接收反射光信號，經光柵分光后形成連續光譜曲線。研究人員從每塊樣本中提取感興趣區域的光譜數據，經預處理后用于后續建模。

研究還配合使用了彩譜科技的DS-100型便攜式色差儀，用于客觀測定牛肉顏色參數，為模型建立提供真實值參考。

三、數據處理與模型構建

研究團隊采用SG+MSC方法對原始光譜進行預處理，以降低噪聲干擾。隨后運用競爭性自適應重加權抽樣（CARS）算法提取與品質參數相關的特征波長，建立偏最小二乘回歸（PLSR）預測模型。

結果表明，基于FS-22采集的光譜數據所建立的模型，對pH、TVB-N、L、a、b*五個關鍵參數的預測結果與實測值之間具有較高一致性，測試集決定系數分別達到0.9539、0.9660、0.9266、0.8683和0.9018。模型在獨立驗證中表現出較好的穩定性，牛肉新鮮度分級準確率達92.6%。

四、結語

高光譜成像技術為食品品質安全檢測提供了新的思路。FS-22高光譜相機在該牛肉新鮮度檢測研究中的應用，體現了其在農產品品質無損檢測中的實用價值。隨著光譜數據處理與建模技術的進一步發展，高光譜成像在食品工業、農業檢測等領域的應用前景將更加廣泛。

   產品推薦

FigSpec FS-22成像高光譜相機

產品特點

l 光譜范圍：400-1000nm

l 光譜分辨率：5nm

l 光譜通道數：600

l 圖像分辨率：1920*1920