一、檢測目的和依據

1、采用400-1000nm、900-1700nm雙波段高光譜成像相機，完成妃子笑荔枝果實的全域光譜數據采集，覆蓋果蔬品質檢測核心波段；

2、通過光譜檢測技術，精準驗證相同甜度等級妃子笑荔枝對應的光譜曲線特征參數，鎖定甜度專屬光譜特征指紋；

3、依托機器學習、深度學習人工智能算法，對妃子笑荔枝高光譜數據集進行訓練與擬合建模，完成高光譜無損甜度鑒別技術的實驗驗證，實現該技術在果蔬糖分無損檢測領域的落地應用。

二、樣品類別及數量

樣本：測試實驗客戶來樣水果妃子笑荔枝樣品 數量1斤

三、檢測設備和方式

檢測設備

1、400-1000nm、900-1700nm高光譜相機；

2、光學暗箱（含350-2500nm光源，放樣移動平臺）；

3、黑色啞光托盤（低反射率背景，消除成像反光誤差，保障光譜數據純凈度）

4、輔助材料：標識標簽，用于逐一標記妃子笑荔枝樣品編號，實現樣品與光譜特征曲線數據精準對應匹配

采集方式

1、樣品擺放規則：將妃子笑荔枝樣品按照標準實驗圖示規范平整擺放，保證成像均勻無遮擋

2、數據采集模式：使用反射模式采集樣品400-1000nm、900-1700nm反射率數據；

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；

曝光時間調整到合適的值，避免采集到的樣品數據過曝。

四、采集結果

1、數據提供

每個樣品數據包含如下6個格式文件：

a、樣本400-1000nm、900-1700nm原始數據（包含 .dat、.hdr格式）；

b、樣本400-1000nm、900-1700nm反射率數據（包含 .dat、.hdr格式）；

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）。

2、數據展示

3、實測甜度值展示