一、檢測目的和依據

1、采用400-1000nm、900-1700nm雙波段高光譜相機，精準采集干桂圓內核霉變樣品全套光譜數據，覆蓋干果霉變檢測核心可見光與近紅外波段；

2、系統驗證干桂圓內核霉變對應的光譜曲線特征參數，明確霉變狀態下的光譜響應規律與特征差異；

3、依托機器學習、深度學習人工智能技術，對干桂圓內核霉變高光譜數據集開展訓練與擬合建模，完成高光譜無損鑒別桂圓內核霉變技術的實驗驗證，實現該檢測技術的場景落地與工程化應用。

二、樣品類別及數量

樣本：測試實驗客戶來樣干桂圓樣品 數量6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廣譜光源、精密放樣移動平臺，隔絕環境雜光干擾）

3、黑色低反射率托盤，構建純凈檢測背景，規避背景反光干擾，保障光譜數據精準度

4、輔助材料：標識標簽，用于逐一標記樣品編號，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：將干桂圓內核霉變樣品按照標準實驗圖示規范擺放，保證成像均勻、無遮擋、檢測一致性達標

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、光譜曲線特征值展示