研究目的
全面回顾用于评估根茎类作物品质参数（包括物理特性、化学成分、品种鉴定、分级指标及缺陷检测）的高光谱技术和化学计量学方法。
研究成果
高光谱技术与化学计量学方法相结合，能够快速、无损且准确地评估块根和块茎的品质。这些技术在评价物理特性、化学成分、品种差异、分级参数及缺陷检测方面展现出良好前景，其中近红外（NIR）是最常用的光谱范围，偏最小二乘回归（PLSR）则是最普遍的建模方法。未来研究应着重提升模型精度、优化数据处理流程，并开发适用于在线应用的高速硬件设备。
研究不足
该综述指出了若干挑战，包括块茎样品中光穿透深度有限、高水分含量的干扰、需要大量存储和计算的大数据量、依赖参考方法的先验知识需求，以及耗时的建模过程。同时提到由于硬件和成本限制，实时应用也存在困难。
1：实验设计与方法选择：
本文为综述类文章，非实验研究，故未描述具体实验设计或方法学。文中总结了高光谱技术（光谱法与高光谱成像）结合化学计量学分析用于根茎类作物品质评价的现有文献。
2：样本选择与数据来源：
综述涵盖马铃薯、甘薯、木薯、山药、芋头和甜菜等样本的研究，但未详述具体样本筛选标准或数据来源。
3：实验设备与材料清单：
不适用（综述性质）；所引文献中的具体设备在参考文献中提及，此处未列出。
4：实验流程与操作步骤：
不适用；综述讨论了光谱数据采集和多元分析等通用流程，但无分步细节。
5：数据分析方法：
提及偏最小二乘回归（PLSR）、人工神经网络（ANN）、主成分回归（PCR）、支持向量机（SVM）、多元线性回归（MLR）及最小二乘支持向量机（LS-SVM）等化学计量方法，以及遗传算法（GA）和连续投影算法（SPA）等变量筛选技术。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
NIR imaging spectrograph
Acquiring spectral information in the near-infrared region for hyperspectral imaging.
-
MCT camera
Detecting infrared radiation in hyperspectral imaging systems.
-
Halogen line light
Providing illumination for hyperspectral imaging.
-
Programmable uniaxial stage
Moving samples during hyperspectral imaging for scanning.
-
Michelson interferometer
Used in MIR imaging spectroscopy for modulating infrared beams.
-
CCD camera
Capturing images in hyperspectral systems.
-
Schwarzchild objective
Focusing light in MIR imaging systems.
-
x-y micrometer stage
Precise positioning of samples in imaging systems.
-
登录查看剩余6件设备及参数对照表
查看全部
