一、檢測目的與依據

1、采用400-1000nm可見光波段、900-1700nm近紅外波段雙光譜高光譜相機，全面采集鴨皮蛋完整光譜數據集與成像數據，覆蓋蛋體外觀及內部品質特征波段；

2、依托高光譜無損光學檢測技術，精準提取鴨皮蛋專屬光譜曲線特征，無需破殼、不損傷樣品，實現蛋體品質無接觸檢測；

3、結合機器學習、深度學習人工智能算法，對海量鴨皮蛋光譜數據開展模型訓練與數據擬合，優化缺陷識別模型精度，達成鴨皮蛋裂紋、霉變、變質、內部瑕疵等各類缺陷的無損智能識別，完成技術實驗驗證與工業化落地應用。

二、樣品類別及數量

樣本：客戶送檢鴨皮蛋測試樣品  數量：60個

三、檢測設備與采集方式

檢測設備

1.  400-1000nm、900-1700nm雙波段高光譜相機

2. 輔助設備：光學暗箱（配備350-2500nm光源及放樣移動平臺）；

3.  輔助工具：黑色托盤（低反射率背景，避免環境光干擾光譜采集）；

4. 輔助材料：標簽（用于標記樣品編號，實現光譜數據與樣品的精準對應）。

采集方式

1、樣品擺放：

a、將樣品按圖示要求，整齊擺放在黑色托盤上

2、數據采集模式：

采用反射模式，采用反射 透射成像模式，采集鴨皮蛋樣品400-1000nm、900-1700nm雙波段完整反射率光譜數據。

3、設備調參：

調節相機高度，使相機視場可以覆蓋所有樣品

調節鏡頭光圈到最大：F1.4

調節鏡頭焦距，使樣品圖像最清晰

調整曝光時間至適宜值，避免采集數據出現過曝現象，保證光譜數據準確性。

四、采集結果

數據提供

本次檢測為每個樣品提供以下6種格式的完整數據文件，確保數據可追溯、可分析：

a、樣本400-1000nm、900-1700nm原始數據（.dat、.hdr格式），完整保留原始采集信息，支持二次分析與模型優化；

b、樣本400-1000nm、900-1700nm反射率數據（.dat、.hdr格式），經標準板校準，可直接用于模型訓練擬合，確保數據的可靠性；

c、樣本400-1000nm、900-1700nm高光譜圖像（.png格式），

d、提供樣品擺放實拍圖（.jpg格式），留存原始擺放狀態，便于數據追溯與異常排查，保障檢測流程的可追溯性。

高光譜分析展示

采集參考Q/EX C 0628-2025標準