一、检测目的与依据

1、使用400-1000nm、900-1700nm相机，采集水果提子的光谱数据；

2、验证水果提子相同甜度值的光谱曲线特征值，明确同等甜度提子的光谱响应规律；

3、使用机器学习、深度学习等技术，对水果提子高光谱数据值进行训练拟合，实现通过高光谱技术无损鉴别水果提子甜度的技术实验与落地。

二、样品类别及数量

样本：测试实验客户来样水果提子样品；数量：0.8斤，确保样品新鲜、无破损、无腐烂、无杂质污染，保证光谱数据的真实性与代表性

三、检测设备与采集方式

检测设备

1. 核心设备：400-1000nm、900-1700nm双波段高光谱相机，可精准捕捉蓝莓甜度相关的特征光谱信号，适配可见光-近红外全波段采集需求，光谱分辨率满足微小甜度差异的检测的要求；

2. 辅助设备：光学暗箱（含350-2500nm光源、放样移动平台），提供稳定、无干扰的采集环境，减少外界光线对光谱数据的影响；

3. 辅助工具：黑色托盘（低反射率背景），避免背景反射干扰，确保光谱数据纯度；

4. 辅助材料：标签（用于标记水果提子编号，方便对水果提子光谱数据与特征曲线值相对应）。

采集方式

1、样品摆放：

a、将水果提子样品按如图所示摆放

2、数据采集模式：

采用反射模式，使用反射模式，采集水果提子样品400-1000nm、900-1700nm波段的反射率数据；

3、设备调参：

调节相机高度，使相机视场可以覆盖所有样品

调节镜头光圈到最大：F1.4

调节镜头焦距，使样品图像最清晰确保光谱信号捕捉精准；

调整曝光时间避免数据过曝，优化曝光时间，避免数据过曝或信号不足，保障原始光谱数据真实无失真。

四、采集结果

数据提供

提供以下6种格式的样品数据文件，每个提子样品均对应完整数据，确保数据可追溯、可用于后续甜度鉴别分析：

a、400-1000nm、900-1700nm原始数据（.dat、.hdr格式），完整保留原始采集信息，支持二次分析与模型优化，可结合光谱预处理算法提升数据利用率

b、400-1000nm、900-1700nm反射率数据（.dat、.hdr格式），经标准板校准，可直接用于模型训练拟合，确保数据的可靠性与可比性

c、400-1000nm、900-1700nm高光谱图像（.png格式）

d、样品摆放实拍图（.jpg格式），留存原始摆放状态，便于数据追溯与异常排查，保障检测流程的可追溯性

数据展示

实测西红柿甜度值数据展示

实测数据规范记录：采用高精度果蔬甜度检测仪，严格按照行业标准流程操作，对0.8斤水果提子样品逐颗开展甜度实测，精准记录每颗提子的甜度数值（单位：°Brix），编制标准化实测数据表，明确标注样品编号与对应甜度值，确保与高光谱数据一一对应，为后续模型训练提供精准、可追溯的基础实测数据。

甜度区间科学分组：基于实测甜度数据，对所有提子样品进行合理区间划分，重点梳理相同甜度区间的样品，关联其对应的高光谱曲线特征值，直观呈现同等甜度提子的光谱特征共性，进一步验证相同甜度提子光谱曲线特征值的一致性，为高光谱无损鉴别提子甜度提供核心支撑。

光谱与甜度关联分析：建立实测甜度值与高光谱曲线特征值的对应关系，清晰呈现不同甜度提子在400-1000nm、900-1700nm两个关键波段的光谱响应差异，明确甜度值与光谱特征峰位置、反射率波动范围的内在关联，为机器学习、深度学习算法的训练拟合提供直观且严谨的关联依据。

采集参考Q/EX C 0628-2025标准