果實品質的快速、無損、批量檢測評價對于果實分等定級、優化果樹栽培品種及提升經濟效益具有重要意義。易科泰生態技術公司推出PhenoTron?-HSI果實品質高光譜無損檢測方案，結合專業的圖像及光譜融合分析技術，可快速獲取果實的空間及光譜信息，反映其外部特征、表面缺陷、病斑情況、內部結構及化學成分，為果實品質快速、無損、高通量分析檢測提供了新思路。

一、技術特點

• 全自動掃描成像，高通量果實自動傳送成像分析
• 模塊式結構，具備強大的系統擴展功能
• 嵌入式主機，觸摸屏控制，全中文操作系統
• 采用星型組網物聯網技術，兼容5G通訊技術，可實現遠程控制等功能
• 內置溫濕度、光照度、GPS、時鐘（可根據GPS信息自動校準），可擴展增加傳感器
• 支持組合命令（Protocols），可實現自動運行
• 系統自動保護功能，發生短路、過載、欠壓時自動斷電，避免設備損壞
• 標配VNIR、NIR波段高光譜成像
• 可選高清RGB成像、紅外熱成像、Thermo-RGB融合成像

二、主要技術參數

• 平臺高度規格：標配400mm，可定制
• 有效掃描尺寸：≥300×300mm，可定制
• 移動速度：2-40mm/s，可調，精度：1mm
• 平臺控制：全中文PC端軟件，可遠程控制平臺運行、自動運行數據采集存儲等功能
• 主機箱：內置10寸觸控屏，嵌入式操作系統，全波段對稱光源，角度、高度可調，集開關控制、平臺控制、雜散光隔離于一體，確保光場均一、穩定的最佳測量環境
• 400-1000nm（VNIR）、900-1700nm（NIR）波段高光譜成像，可選SWIR波段
• 光譜分辨率FWHM：5.5nm（VNIR）、8nm（NIR）
• 光譜通道：224，MROI光譜通道自由選擇
• 空間像素：1024px（VNIR）、640px（NIR）
• F值：F/1.7
• 測量參數：可成像測量分析結構指數、水指數、色素指數、理化指數、健康指數、成熟度等數十種光譜指數，可分析水果水分、糖度、酸度、成熟度、可溶性固體含量等品質指標

三、應用案例

3.1 秋月梨果實品質檢測

梨的石細胞是梨果實所特有的，它的存在不僅影響梨果實的食用品質，也影響加工品質。石細胞是由大量木質素和纖維素所組成的厚壁細胞，其分布由近果皮部果肉至近果心部逐漸增多。易科泰光譜成像實驗室技術人員使用PhenoTron?-HSI果實品質高光譜無損檢測技術（400-1700nm），對不同條件下生長的梨果中石細胞分布進行了光譜成像分析。如下右圖，從左至右依次未施加營養素的秋月梨（對照組-1、2）以及施加營養素后的秋月梨（實驗組-1、2）。

秋月梨剖面光譜特征及石細胞（紅色）分布（易科泰光譜成像實驗室供圖）

通過反射光譜曲線可看出四個梨之間的反射光譜吸收和反射特征基本相似，在748、838、980、1178、1414nm存在明顯的吸收特征。在400-950nm范圍四個梨之間的光譜曲線基本重合，在950-1720nm范圍，對照組-2的光譜反射率值均高于另外三組。進一步分析發現，營養素的施加有效抑制了梨石細胞形成，對提升秋月梨的口感及品質有積極意義。

3.2 不同產地蘋果糖度檢測

易科泰光譜成像實驗室技術人員，使用PhenoTron?-HSI果實品質高光譜無損檢測技術（400-1700nm），分別對產自甘肅莊浪（GZ）、陜西宜川（SY）、山東平度（SP）三個不同產地的2021年秋季采摘的紅富士蘋果進行光譜成像分析，并分別選取三種樣品表面及剖面各10個區域實測糖度，建立預測模型評估糖度分布。

實驗發現，在400-1000nm范圍內, 440-470nm、765-825nm、860-910nm波段相關性較高，模型精度較高，對表達糖度效果良好，表面和剖面預測模型R2分別達到0.8031和0.7498。在900-1700nm范圍內，1040-1090nm波段相關性較強，模型精度較高， R2分別為0.8643和0.7581。另外發現，剖面糖度預測模型預測的糖度分布相對更能客觀反映真實情況，而表面數據則由于受曲面成像、反光點的影響，結果具有明顯的“光暈”效果，盡管R2較高，但不能客觀反映蘋果糖度的真實情況。

不同產地紅富士蘋果表面及剖面糖度分布（易科泰光譜成像實驗室供圖）

實驗表明，PhenoTron?-HSI高光譜無損檢測技術在水果品質、糖度及可溶性固形物含量測定方面，相比傳統方法具有快速、無損、準確的優勢。