易科泰生態(tài)技術公司與International advanced儀器技術公司合作，致力于提供“生態(tài)-農業(yè)-健康”全面技術方案。公司基于International advanced的Specim高光譜成像技術，結合機器視覺和自動化研發(fā)集成，為用戶提供多樣化、定制化、自動化的在線分選解決方案，實現(xiàn)工業(yè)流水線產品的高通量快速分類和實時響應。系統(tǒng)能夠與工業(yè)流水線、傳送帶及智能分揀系統(tǒng)結合，基于強大的光譜識別能力和靈活的分類模型，實時輸出精準的識別結果，用戶無需進行一系列復雜的編碼和光譜圖像解析工作，即可得到最終結果，顯著降低了高光譜成像技術走向市場應用的門檻。

主要特點：

▌SpectraScan光譜成像掃描平臺技術，可根據(jù)用戶使用場景特殊定制適配方案

▌工業(yè)級推掃式高光譜成像儀，可選配400-1000nm、900-1700nm、2700-5300nm等波段

▌分類模型訓練軟件：用戶可查看樣本數(shù)據(jù)、訓練分類模型、驗證分類效果、建立應用程序

▌在線實時分選：高性能數(shù)據(jù)處理單元，根據(jù)分類模型實時運算并在線顯示分選結果

▌支持GigE，USB3.0, RS-232/485，CAN接口，可兼容工業(yè)流水線下游工序，輔助智能分揀

▌高光譜成像技術通過CE、FCC、RoHS3等國際主流認證

應用案例：

1、開心果品質檢測

       堅果的品質通常是根據(jù)產品的新鮮度、有無缺陷、螨蟲和外來物等污染物來評價的，在開心果的品質控制中，缺陷和異物檢測是生產中最重要的環(huán)節(jié)。

       以往使用的HPLC、GC–MS、IR-MS等方法均存在不能實時檢測的弊端。近年來，基于彩色成像（RGB）的機器視覺技術在食品加工過程和品質控制等方面發(fā)揮了重要作用，但對螨蟲、霉菌以及其他外來物的識別還是存在短板。意大利實驗人員將高光譜成像（HSI）技術應用于開心果的品質控制中，對樣品的不同理化特征進行定性和定量分析，為食品的品質控制探索更優(yōu)的策略。

       實驗人員隨機選取開心果混合物的不同類型特定樣本，將99個樣品分為6類：可食開心果(23)、不可食開心果(23)、開心果殼(13)、開心果外皮(13)、細枝(13)以及果核(14)。如圖1.1左，樣本分為訓練集(70%)和驗證集(30%)兩組，首先對原始光譜進行預處理以突顯六類光譜的特征差異。

圖1.1 左：RGB圖(a)、訓練集(b)和驗證集(c)；右：6類樣本在SWIR范圍的平均(a)和預處理(b)反射光譜

       通過主成分分析(PCA)、應用多變量分類方法的不同分類模型對訓練數(shù)據(jù)集進行訓練，訓練結果如下圖1.2左所示，其中CART預測圖與PCA-kNN的結果相似，獲得了非常好的分類結果，優(yōu)于PLS-DA和PCA-DA獲得的結果。使用不同分類模型對驗證數(shù)據(jù)集進行預測，結果如圖1.2右所示，模型均正確識別了石子，PLS-DA和PCA-DA預測圖相似，顯示了相同的錯誤分類區(qū)域，而CART模型預測圖的特點是錯誤分類像素更分散。PCA-kNN預測圖顯示出最佳的結果，單一類別的錯誤分類區(qū)域非常少。

圖1.2 左（a、b、c、d）為訓練結果；右（a、b、c、d）為預測結果

       結果表明，基于SWIR波段的高光譜成像技術為開心果品質監(jiān)測和控制提供了良好的方法，在工業(yè)應用的離線或實時檢測場景中具有廣闊前景。

2、花草茶無損品質檢測評估

       隨著消費者對健康關注度的增加，花草茶的消費量也正逐步增加。花草茶是由兩種或多種植物物種基于改善口味并增加健康益處的目的混合而成。與其他食品或保健品一樣，花草茶的品質控制(QC)對于確保食品安全和保健效果非常重要。

       傳統(tǒng)品質控制方法，如高效液相色譜法(HPLC)和質譜法(MS)，具有高重復性和準確度，但耗時且具有破壞性，在含有多種原料的情況下，還需要單獨檢測每種成分，更加耗時耗力。在本研究中，高光譜成像技術作為一種快速且無損地將傳統(tǒng)的光譜學和數(shù)字成像相結合的方法來對花草茶品質進行評價和控制。

       茨瓦尼科技大學研究人員使用SWIR高光譜成像采集了購買自Parceval Pty公司的原料(S.tortuosum和C.genistoides)和五批花草茶混合物(Honeybush-Sceletium)的高光譜圖像。在沒有相關化學知識的背景下，對兩種原料進行了全面無損的區(qū)分，主成分分析(PCA)顯示S.tortuosum和C.genistoides 原料之間存在54.2%的化學成分差異。

圖2.1  a)兩種茶原料；b)PC1；c)兩種茶葉的不同像素簇散點圖(t1 vs t2)

       在花草茶快速無損的識別和成分量化中，基于PCA校準模型開發(fā)了PLS-DA模型，如圖2.2左所示，測試集結果與PCA類似，觀察到兩個分離的像素簇，得出了52.8%的化學成分差異，相應的Y-圖像顯示在散點圖旁邊，說明純凈的原料被100%分類。圖2.2右為預測集的RGB圖像和預測結果，其中包括兩個外部測試集樣本和五批花草茶混合物，結果證實了該模型可以準確預測茶混合物成分的特性，預測花草茶混合物僅包含S.tortuosum和C.genistoides兩種原料，并定量預測C.genistoides為主要成分(含量>97%)，而S.tortuosum的含量較低(<3%)，量化結果接近該公司規(guī)定的C.genistoides=96%和S.tortuosum=4%的標準配方。實驗結果表明在涼茶混合物等食品藥品的品質評估方面，高光譜成像技術具有良好潛力。

圖2.2  左：a) PLS-DA 散點圖及得分；b) S. tortuosum 和 C. genistoides 的平均光譜差異。右：預測集樣本的可視化，a) RGB 圖像；b) 基于PLS-DA模型的類預測

易科泰生態(tài)技術公司基于SpeatrAPP光譜成像創(chuàng)新應用技術，為食品及中藥材分選與質量控制、種子種苗分撿、工業(yè)流水線在線分揀、廢棄物回收利用、生產線質量控制、機器視覺應用以及其他高通量應用領域提供定制化光譜成像解決方案。

由左到右依次為花生霉變分撿、肉品分揀（豬肉、牛肉、羊肉）、蘋果糖度檢測（易科泰光譜成像實驗室提供）

參考文獻：

[1] Bonifazi G , Capobianco G , Gasbarrone R , et al. Contaminant detection in pistachio nuts by different classification methods applied to short-wave infrared hyperspectral images[J]. Food Control, 2021, 130(26):108202.

[2] A M S , A W C , B I V A , et al. Non-destructive quality assessment of herbal tea blends using hyperspectral imaging - ScienceDirect[J]. Phytochemistry Letters, 2018, 24:94-101.

• SPECIMONE高光譜成像自動在線分選系統(tǒng)

  檢測儀器在線詢價