研究背景哈密瓜的风味品质和商品价值与甜度密切相关，而可溶性固形物含量（SSC）是评价果实甜度的重要指标。传统SSC检测多依赖折光仪测定，虽结果可靠，但需取样、榨汁或切片，具有破坏性，难以满足批量化、连续化和在线分选对快速无损检测的需求。高光谱成像技术融合了图像与光谱信息，能够间接反映果实内部化学成分（如糖、水分、酸度）的分布与含量，为非破坏性检测提供了新路径。然而，现有研究多集中于单一品种，跨品种检测的模型泛化能力仍面临挑战，尤其是哈密瓜这类果皮差异大、糖分分布不均的厚皮甜瓜。近日，青岛农业大学赵磊老师团队在《Symmetry》发表了一项研究，系统探索了高光谱成像结合机器学习在哈密瓜多品种可溶性固形物（SSC）无损检测中的应用，提出了一种基于RPD加权的集成模型，显著提升了跨品种预测的鲁棒性和准确性。 图1.光谱采集过程。研究方法样本准备：品种：西州蜜、伽师瓜、金凤凰、黑眉毛（各40个，共160个）；采样位置：赤道部位果肉，分别测量近核部（BRIX1）和近皮部（BRIX2）的SSC；数据集划分：每品种30个训练，10个测试；高光谱数据采集：通过穹顶光源 + 精密电动平移台搭载Resonon Pika L高光谱成像仪，结合150 W石英钨卤素灯、输送装置等进行高光谱数据采集；光谱参数：波长范围：400–1000 nm；光谱分辨率：2.7 nm；参数设置：帧率16 Hz，物距 978 ...
发布时间:
2026
-
05
-
22
浏览次数：1
研究背景海岸带高强度开发导致近岸水体出现持续性或偶发性污染与废弃物问题。欧洲卫生部门建议根据欧盟指令2006/7/EC开展监测工作，其中，肠球菌（intestinal enterococci）和大肠杆菌（Escherichia coli）是衡量粪便污染的核心指标。然而，传统监测手段面临两大瓶颈：（1）时效性差：传统培养法耗时长，预警响应滞后；（2）空间分辨率不足：传统卫星影像分辨率较低且重访周期长，难以捕捉局地细节；基于此，西班牙加那利群岛拉斯帕尔马斯大学的研究团队在《Marine Pollution Bulletin》发表了一项研究，团队以加那利群岛近岸水体为研究对象，利用搭载高光谱成像仪的无人机结合辐射传输模型开展水质参数反演实验，叶绿素浓度、浊度及细菌含量的反演结果与实验室检测值基本吻合，为高光谱遥感技术在近岸水质快速监测与早期污染预警中的应用提供了方法支撑。 图1.（a）加那利群岛在大西洋的位置及各岛屿名称。（b）试验地点：拉斯帕尔马斯和波多黎各码头（大加那利岛）、马斯帕洛马斯泻湖（大加那利岛）以及拉斯埃拉斯（特内里费岛）。研究方法这项研究构建了一套无人机高光谱观测、预处理校正、辐射传输反演、实验室验证的完整技术流程。机载平台采用无人机，搭载 Resonon Pika L高光谱成像仪、辐照度仪以及GPS定位系统。高光谱成像仪性能：光谱通道高数：281；光谱范围：400-10...
发布时间:
2026
-
05
-
11
浏览次数：25
农药精准施用的挑战霜霉病等真菌性病害是全球葡萄生产中的重要威胁。近140年来，铜基抗菌化合物一直是防治植物病原菌的重要手段。然而，在实际操作中因杀菌剂施用不当及农药飘移，不仅造成经济损失，还会引致农业土壤持续污染。当前，水敏纸仍是农药飘移评估的常用方法，但该方法已被证明难以精准表征农药在葡萄园的整体沉积状况。高光谱成像技术凭借非破坏性、信息维度丰富的优势，已成功应用于葡萄品种分类、果实成熟度与品质评估、冠层实时监测等领域，而利用该技术实现叶片表面农药沉积量的定量检测，仍是亟待深入研究的开放性课题。近期，西班牙布尔戈斯大学的研究团队在《Data》发表了一篇Data Descriptor，公开了一个包含372幅葡萄叶片高光谱图像的数据集。该数据集系统揭示了3种杀菌剂在不同浓度和施用条件下的光谱差异，可为精准农业中的农药沉积监测、定量分析以及机器学习模型构建提供重要的数据基础。 图1.机械工作台，连接计算机的分析显示器。高光谱数据集的构建实验设计：研究选取的葡萄品种为丹魄，采集自西班牙西加莱斯产区。实验共使用三种杀菌剂：ö 铜基杀菌剂（70% w/v氧氯化铜）；ö 复配铜制杀菌剂（14% w/w氧氯化铜 + 14% w/w氢氧化铜）；ö 商品化杀菌剂制剂（6% w/w霜脲氰 + 37.5% w/w灭菌丹，含硫和氯）；每种农药设置六种浓度梯度（0.20、0.3...
发布时间:
2026
-
04
-
07
浏览次数：50
研究背景随着全球气候变化及水体富营养化加剧，蓝藻及其他藻类爆发已成为全球关注的环境问题。这些藻华不仅干扰航运与娱乐，更严重的是，部分蓝藻会释放致命毒素，威胁人类和野生动物的健康。传统监测方法往往难以快速、准确地在大空间尺度上区分产毒与不产毒的蓝藻属种。而光谱成像技术通过获取植物光合色素的“特征指纹”，为解决这一难题提供了可能。然而，现有的遥感监测也面临挑战：（1）光谱库不足：卫星遥感依赖端元光谱库，但经验证的代表性蓝藻光谱数据稀缺；（2）水体干扰强：水深、浊度等光学参数复杂，影响大范围遥感反演精度；（3）培养与野外的差异：实验室藻类光谱难以完全还原自然生境下的真实特征；基于此，美国地质调查局（USGS）联合美国国家标准与技术研究院（NIST）利用高光谱显微镜成像系统，以俄勒冈州上克拉马斯湖的不同区域水体的蓝藻样品为研究对象，通过系统验证与野外采样相结合的方法，获取了不同蓝藻属在细胞尺度的高分辨率反射光谱特征，成功实现了属水平的蓝藻光谱区分，并发现衰老与生长期样品的显著光谱差异。该研究为利用卫星遥感技术大范围识别潜在产毒藻类提供了关键的地面真实验证数据支撑。 图1.俄勒冈州上克拉马斯湖采样点地图。研究方法研究设计：2022年夏季，在上克拉马斯湖的霍华德湾、中沟、摩尔公园、鹈鹕湾、响尾蛇角、浅水湾、鹈鹕湾和威廉姆森河口采集了水华样本。通过真空过滤浓缩藻类生物量，并将其重悬于样本室中。水...
发布时间:
2026
-
03
-
17
浏览次数：53
复杂胁迫下作物产量早期预测的挑战与瓶颈作物产量预测是评估田间管理效果与辅助育种决策的关键环节。相较于传统作物模型依赖多源复杂参数，机器学习模型结合遥感技术，能以无损、高通量的方式实现作物表型监测与产量预测。尽管如此，现有模型在实际应用中仍面临两大挑战：（1）早期预测精度不足：作物冠层结构对干物质积累的影响随生长期推进而增强，导致依赖形态变化的模型在早期预测精度受限，难以满足育种早期决策需求；（2）复合胁迫下的泛化误差：田间环境复杂，水氮胁迫往往联合发生。年份间的环境变异及胁迫组合差异，导致模型在面对与训练集分布不同的目标样本时，产生显著的泛化误差；基于此，中国农业科学院陈震老师团队联合河南大学、邢台农科院等团队在《Agricultural Water Management》发表研究。团队以水氮联合胁迫下的冬小麦为研究对象，结合无人机高光谱遥感数据，提出了一种基于多胁迫数据融合的可解释跨周期集合学习框架（APEL），研究证实，该方法显著提升了模型在复杂胁迫环境下的预测精度与泛化能力，为作物早期产量预测提供了高精度、可解释的技术支撑，对推动智慧农业发展与节水育种实践具有重要的科学意义与应用价值。 图1.研究区域和实验设计。多应力融合与跨周期集合学习研究区域：研究在河南省新乡市的中国农业科学院新乡综合试验基地和河北省农林科学院的Yanli试验基地两个试验站点开展了为期两年（2022-20...
发布时间:
2026
-
03
-
04
浏览次数：51
桉树因其生长快、适应性强，成为全球重要的经济树种。然而，在植物生长过程中，缺水对它们的生长、生产力和质量产生很大的负面影响。传统的监测方法多依赖于NDVI、PRI等植被指数，或通过测量生物量、株高等生理指标进行评估。这些方法要么灵敏度不足，在早期胁迫阶段难以检测；要么特异性有限，无法区分水分胁迫与其他非生物胁迫。近年来，高光谱成像技术的快速发展为植物胁迫的早期监测提供了新的可能性。与传统多光谱技术不同，高光谱成像可以获取连续波长范围内的详细光谱信息，从而捕捉植物生理的细微变化。基于这一技术，智利康塞普西翁大学的研究团队在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》期刊上发表了相关研究。研究人员利用VIS-NIR高光谱成像技术，结合化学计量学方法，深入探讨了桉树在水分亏缺胁迫下的生理响应。结果显示，高光谱成像能够精确区分不同胁迫水平，特别是在水分亏缺严重时，能有效反映植物的胁迫响应。这项研究为水分亏缺的早期检测提供了新技术，对精准森林管理和抗旱品种选育具有重要意义。 图1.样品和HSI数据采集（A）和HSI数据的化学计量学分析（B）。实验方法实验设计：选取4种具有经济价值的桉树基因型（包括2个E. globulus和2个E. gloni杂交品种），每个基因型包含40株树苗，共计160株。 实...
发布时间:
2026
-
03
-
04
浏览次数：44
一粒种子的“身份密码”，不仅藏在颜色与形状中，更隐藏在肉眼看不见的光谱里。想象一下，未来人们只需用一台设备扫描种子，就能立刻识别出其品种、纯度甚至健康状况——这不再是科幻场景，而是正在成为现实。近日，德国马丁路德·哈勒维腾贝格大学在《scientific data》上的发表了一项研究，研究公布了一个名为BiSID-5k的双模式种子图像数据集，它结合了RGB图像与高光谱成像技术，为AI种子识别提供了前所未有的高质量数据资源。 图1. BiSID-5 k B24采集和制备管道概述。研究背景：种子识别的重要性与挑战在农业生产中，种子纯度对作物产量与品质至关重要。根据国际种子检验协会规定，许多国家对种子批次有严格的认证要求。为满足合规要求，相关任务通常依赖于人工逐粒识别，这项工作耗时耗力、极度依赖经验，尤其在种子外形相似、颜色多变时，人眼识别容易出错。近年来，基于深度学习的图像分类技术在多领域取得突破，但其成功高度依赖大规模标注数据集。在农业种子识别领域，高质量、大规模的光谱图像数据集仍十分稀缺。现有数据集往往样本有限，或仅包含可见光图像，难以支撑复杂模型的训练与应用。研究方法：构建双模式种子图像数据库样本选择：选取10种欧洲油菜田常见杂草种子，每种500粒，共计5000粒种子；成像系统：使用自制种子托盘，通过半自动传送系统，使用两个同步光谱仪同时采集：l RGB图像：采用高质量...
发布时间:
2026
-
03
-
04
浏览次数：40
在禽肉工业生产中，肌病防控一直是影响鸡肉产量和品质的重要因素。尤其是鸡胸肉这种高价值的部位，常常受到木胸、意大利面肉等肌肉病变的困扰，一旦发生，会导致肉质硬化、汁液流失，严重损害产品价值。传统的肌病检测往往依赖人工触诊和视觉评估，不仅主观性强、效率低下，而且存在漏检与误判的风险。近期，IRTA西班牙农业食品研究技术研究所的团队在国际期刊《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》上发表了一项研究，提出了一种创新解决方案：通过可见-近红外高光谱成像（VIS-NIR HSI）技术，实现鸡胸肌病的检测与分类。这一研究为禽肉行业提供了新的技术手段，不仅能高效识别肌病，还能预测肉品在冷藏过程中的质量变化，帮助减少食品浪费。图1.研究框架。研究方法（1）实验设计与样本选择• 试验一 (肌病鉴别)：选取98只鸡胴体，分区域评估并标注肌病类型（N, WB, SM, WS）；• 试验二 (保质期评估)：选取77只鸡胴体，经气调包装后于4.8°C下冷藏14天，并定期采样；（2）高光谱成像数据采集研究选择Resonon Pika L型高光谱成像仪进行图像采集，其系统配置如下：ö 光谱范围：386–1016 nm；ö 光谱分辨率：2.0 nm；ö 相机类型：线扫描式，每一条...
发布时间:
2026
-
03
-
03
浏览次数：45
传统监测遇瓶颈，无损检测破局而出！在环境工程和生物技术等领域，蓝藻作为一种宝贵的资源，可用于生产生物塑料、色素和生物燃料等。然而，在培养过程中，如何实时、准确地监测蓝藻的生物量浓度，一直是个棘手的难题。传统方法，如干重测定和细胞计数，虽然精准但耗时耗力，且需要破坏性取样，容易导致污染。而光密度（OD750）或浊度等间接方法虽然快速，但易受培养物生理状态影响，准确性和稳定性不足。AI × 高光谱：一次跨学科的突破尝试最近，一项发表在《Bioresource Technology》（影响因子 9.0）上的研究带来了突破。一个由西班牙AIMEN技术中心和加泰罗尼亚理工大学组成的团队，首次将人工智能（AI）与高光谱成像（Hyperspectral Imaging, HSI）深度融合，构建出一套能够在蓝藻培养过程中实现非破坏性、实时生物量预测的智能系统。这意味着，科研人员只需拍一张“光谱照片”，AI 就能告诉你——蓝藻现在的浓度是多少、增长趋势如何，甚至能提前预判培养状态的变化。 图1.研究框架。数据驱动，智能解析：高光谱AI精准锁定生物量特征研究团队使用三种蓝藻生物群落（Synechocystis sp.）在光生物反应器中进行培养。反应器的温度、光照和pH值严格控制，确保培养条件稳定。在蓝藻生长的不同阶段，研究人员定期从反应器中同步取样：· 一份用于 VSS（Volat...
发布时间:
2026
-
03
-
03
浏览次数：35
餐桌上一撮看似纯净的海盐，可能暗暗“夹带”着来自海洋的微塑料。近年来，微塑料污染已被联合国和世界经济论坛列为全球最严重的环境威胁之一。它们来源于日常塑料制品，在海洋风浪、阳光和时间的作用下逐渐破碎，成为小于 5 毫米甚至 1 微米的颗粒，肉眼几乎看不见，却悄悄进入了鱼类、贝类甚至盐中。科学家们正在寻找新的方法，揭开这些“隐形污染物”的面纱。 研究地点：海盐是天然“污染指示器”西班牙格拉纳达大学团队 地中海沿岸盐田（Almería）和格拉纳达内陆盐田开展研究，采集了 232 个盐样。· 内陆盐田：以地下卤水为来源，较少受海洋微塑料影响，被视为对照组。· 沿海盐田：直接暴露于海洋环境，更能反映真实的污染状况。样品既包括常见的普通海盐，也包括在法国部分地区罕见且昂贵的海盐“盐之花（Fleur de Sel）”。为什么选择盐？因为盐田蒸发过程会“浓缩”水中的颗粒，使海盐成为微塑料污染的天然指示物。图 1. 台式扫描系统，配备Resonon高光谱成像仪和一些盐样品，在图像采集过程之前对其进行保护，以防止外部污染。（1）Resonon PikaIR +高光谱成像仪；（2）卤素灯；（3）放置白色参考的线性平台；（4）盐样品；（5）电脑。研究方法：高光谱成像 × 机器学习传统检测方法需要复杂的化学预处理，而这次团队采用了绿色、无损的新方法：1 Resono...
发布时间:
2026
-
03
-
02
浏览次数：33