北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

Resonon | 你吃过的藏红花真的来自西藏吗?

日期: 2025-05-28
浏览次数: 314
Resonon | 你吃过的藏红花真的来自西藏吗?
Resonon | 你吃过的藏红花真的来自西藏吗?
Resonon | 你吃过的藏红花真的来自西藏吗?
Resonon | 你吃过的藏红花真的来自西藏吗?被誉为“软黄金”的藏红花,因其独特的药用价值和市场热度,早已成为高端养生圈的心头好。但你知道吗?藏红花的品质很大程度取决于它的产地、储存时间和等级。而这些,仅靠肉眼和经验很难判断。

那么,有没有一种更科学、更可靠的方法来鉴别藏红花的“出身”和“身价”呢?

本研究基于 HSI 技术,融合光谱与图像特征,结合机器学习建立藏红花产地、年份和等级的识别模型,重点提升中国藏红花的质量溯源与市场可信度。

1 什么是高光谱成像?

简单来说,高光谱成像(HSI)就像是“能看透物质内部结构的眼睛”

它可以同时采集图像信息和光谱信息,识别物体在400-1000 nm范围内的光谱“指纹”,这就为精准识别藏红花的“身份特征”提供了可能。

2 本研究做了什么?

本研究团队采集了320份中国藏红花样品,涵盖不同产地(上海、浙江、河南、安徽、西藏)与不同年份(2021-2023),并对其等级进行分级。

Resonon | 你吃过的藏红花真的来自西藏吗?

图1. 中国主要产区采样点图。

本研究通过使用Resonon公司 Pika XC2 高光谱成像仪,获取每份样品的高维光谱图像后,研究人员进一步提取关键波长特征,并构建多种分类模型,逐步实现了:

✅ 产地识别

✅ 储存年份判别

✅ 等级判断

Resonon | 你吃过的藏红花真的来自西藏吗?

图2. 不同种类藏红花样品的平均原始光谱差异(a)产地(EST:东部地区;CT:中部地区;WST:西部地区);(b)年份(2021、2022、2023年);(c)等级(HQ:优质;NQ:中质;UQ:不合格样品)及不同种类藏红花光谱数据的特征波长分布(d)产地-MSC;(e)年份-FD;(f)等级-FD。

Resonon | 你吃过的藏红花真的来自西藏吗?

图3.基于中层数据融合的SVM判别模型混淆矩阵(a)产地预测集;(b)年龄预测集;(c)等级预测集。


3 哪些结果值得关注?

✅ 产地预测准确率高达 98.3%

✅ 年份预测准确率达 97.9%

✅ 等级判别准确率达 89.6%

这些预测结果都建立在真实光谱数据和图像特征的基础上,不依赖化学试剂、无损快速、成本低廉,为中药材质量检测提供了新的可能。该方法在改善藏红花产地可追溯性、年龄验证和质量控制方面展现出良好潜力,从而确保公平贸易,并提供了一种快速、低成本的方法来核实藏红花贸易商的标签声明。该技术的成功应用彰显了其在食品和草药可追溯性和质量控制领域的巨大潜力。

参考文献:https://doi.org/10.1016/j.foodres.2024.115585


News / 相关新闻 More
2026 - 11 - 16
研究背景土壤盐碱化是影响农业生产和土地资源利用的重要因素。山西省大同盆地分布着较大面积的苏打型盐碱土,土壤中较高的CO₃²⁻和HCO₃⁻含量对作物生长造成了一定限制。如何改善盐碱土壤环境、提高土地利用效率,是当地农业生产面临的重要问题。沙土掺混能够改变土壤质地和孔隙结构,进而影响水分入渗及盐分迁移。但掺沙比例不同,对土壤水分保持和氮、磷、钾等养分分布的影响也存在差异。尤其是在促进盐分淋洗的同时,是否会加剧养分向深层迁移,仍需要进一步研究。针对这一问题,山西农业大学崔清亮老师团队以大同盆地中度盐碱土为研究对象,通过室内土柱试验和田间试验,探究沙土掺混与养分管理对土壤水盐、养分迁移及谷子生长的影响,为晋北苏打型盐碱土改良和谷子栽培提供依据。图1.土柱实验的设置。研究方法研究土壤采自山西省怀仁市中度盐碱农田,属于大同盆地苏打型盐碱土。研究分为室内土柱入渗试验和田间种植试验:室内土柱试验...
2026 - 11 - 09
研究背景土壤有机碳(SOC)是反映土壤质量、土壤肥力及生态系统碳循环的重要指标。传统湿化学测定方法虽然准确性较高,但存在耗时长、成本高、操作复杂等问题。相比之下,可见光—近红外(Vis-NIR)光谱技术具有快速、无损、低成本等优势,为SOC快速估算提供了新的技术途径。然而,光谱预测模型高度依赖大量代表性样本。在实际调查中,受采样成本及实验条件限制,往往难以获得充足的校准数据,小样本条件下模型容易出现过拟合,影响预测精度与泛化能力。针对这一问题,外部光谱数据库迁移学习和深度生成模型数据增强成为两种潜在解决途径。但不同生成模型的增强效果如何?外部光谱库能否有效改善本地模型预测性能?数据增强倍数又将如何影响模型表现?为此,山西农业大学徐占军老师团队通过构建统一实验框架,系统比较四种深度生成模型与外部土壤光谱数据库的应用效果,探索小样本条件下SOC光谱估算的有效数据增强策略。图1.研究区域概况。研...
2026 - 11 - 09
研究背景地下水是高寒地区水循环的重要组成部分,其补给过程受到冻融循环的显著调控。随着气候变暖,青藏高原冻土退化、活动层加深,土壤水分的储存与迁移条件发生变化,进而影响降水、融雪水、土壤水与地下水之间的水文联系。然而,不同冻融阶段地下水补给来源的变化及其迁移路径仍缺乏系统认识。针对这一问题,北京师范大学李小雁老师团队以青海湖流域为研究区,结合氢氧稳定同位素示踪与MixSIAR贝叶斯混合模型,定量解析不同冻融阶段地下水的补给来源,揭示冻融过程对土壤水文连通性及地下水补给路径的影响。图1.(a) QLB在青藏高原(QTP)上的位置。(b) QLB内多年冻土的时空分布;其中灰色代表季节性冻土,橙色代表多年冻土。(c) QLB的位置及采样点分布。(d) 地下水采样。(e) 降水采样。(f) 在相邻地点每月采集土壤样品。研究方法研究设计:研究区位于青藏高原东北部青海湖流域。2025年5—10月,研究团...
2026 - 11 - 02
研究背景河流和溪流是大气甲烷(CH₄)的重要来源。已有研究发现,源头河流通常具有较高的CH₄排放强度,是河流CH₄排放的重要热点。但在高海拔冰冻圈地区,这一规律是否依然适用?受低温和有机碳底物匮乏等因素影响,该区域的CH₄过程可能受到限制。与此同时,冰川融水的持续输入也可能进一步改变河流的CH₄排放特征。那么,冰川融水究竟如何影响河流CH₄排放?其背后的作用机制又是什么?针对这一问题,兰州大学高坛光老师团队以青藏高原北部黑河上游为研究区域,通过2020—2023年连续观测,系统分析了冰川补给河流与非冰川补给河流的CH₄排放特征,并进一步探讨冰川融水对河流CH₄排放的调控机制。图1. (a) 研究区域概况。(b) 在三次不同的野外考察期间,使用浮动气室法进行气体采样的现场照片。研究方法实验设计:研究以青藏高原北缘黑河上游为研究区域。2020—202年,在该研究区域上游设置25个采样点(冰川补...
【关闭窗口】【打印】
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开