一、檢測目的和依據

1、采用900-1700nm近紅外高光譜相機，完整采集待測蘋果樣品的全域光譜數據，覆蓋果蔬內部霉變檢測核心近紅外波段；

2、通過光譜數據分析比對，精準驗證蘋果內核霉變、腐爛病變對應的專屬光譜曲線特征值，區分正常果品與變質果品光譜差異；

3、依托機器學習、深度學習人工智能算法，對蘋果高光譜數據進行訓練、擬合與建模分析，完成蘋果內核霉變無損鑒別技術的實驗驗證，實現果蔬內部缺陷無損檢測技術的產業化落地應用。

二、樣品類別及數量

樣本：待測實驗蘋果樣品 數量12個

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（搭載350-2500nm寬譜光源、精密放樣移動平臺，隔絕環境雜光干擾，保障果蔬檢測數據精度）

3、黑色低反射率托盤，構建純凈無干擾檢測背景，規避反光雜訊影響光譜特征采集

4、輔助材料：標識標簽，用于逐一標記蘋果樣品編號，實現各樣品與對應光譜特征曲線數據精準匹配溯源

采集方式

1、樣品擺放規則：將12組待測蘋果樣品按照標準實驗圖示規范均勻擺放，保障成像均勻、數據采集一致性達標

2、數據采集模式：統一采用反射檢測模式，采集蘋果樣品900-1700nm波段完整高精度透射光譜數據。

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；

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

標準化輸出多維度蘋果光譜數據文件，單樣品配套全套格式數據，適配果蔬檢測科研、算法建模、設備落地場景

每個樣品數據包含如下6個格式文件：

a、樣本900-1700nm原始數據（包含 .dat、.hdr格式）；

b、樣本900-1700nm透射數據（包含 .dat、.hdr格式）；

c、樣本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、蘋果良品與內核霉變腐爛驗證