' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E "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。
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
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。
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