行业资讯

高光谱相机助力酸枣仁真伪鉴别，为中药材质量检测提供技术支撑

访问量：1002 发布时间：2026-03-30

酸枣仁作为药食同源的重要中药材，是安神助眠类保健品和中药制剂的核心原料，市场需求攀升但掺假问题频发，传统检测手段主观性强、效率低，难以适配快速检测需求，而融合机器视觉与光谱分析的高光谱成像技术，可无损快速获取样品物理外观与内部成分信息，成为中药材质量检测的重要方向。彩谱科技FS-13型高光谱相机凭借优异的光谱采集性能，被研究团队应用于酸枣仁真伪鉴别研究，为酸枣仁快速检测技术研发提供了重要实验数据和技术参考，也印证了该设备在中药材高光谱检测领域的应用价值。

图片1.png

精准采集

本次酸枣仁真伪鉴别研究以酸枣仁及市售常见伪品理枣仁、兵豆、枳椇子为研究对象，每类样本选取400 粒完整籽粒，按 3:1 比例划分校正集与预测集，依托高光谱成像系统完成样本光谱信息采集，其中核心的光谱采集设备选用彩谱 FS-13 高光谱相机。

FS-13可实现400~1000nm 可见-近红外波段的光谱采集，光谱分辨率达2.5nm，能够精准捕捉酸枣仁与伪品籽粒的细微光谱差异；同时，设备可配合黑白参考校正流程，有效消除仪器暗电流、环境光变化等引入的干扰噪声，保障原始光谱数据的准确性和稳定性。研究中，利用FS-13采集的高光谱图像，经裁剪拼接、感兴趣区域提取后，可获得单籽粒样品的平均光谱，为后续建模分析奠定了高质量的数据基础。

图片2.png

技术适配

为实现酸枣仁与伪品的有效区分，研究团队基于FS-13采集的平均光谱数据，分别构建了CARS-PLSDA（竞争性自适应重加权算法-偏最小二乘判别分析）模型、1DCNN（一维卷积神经网络）模型，以及为对比分析构建的5W-1DCNN模型，从经典机器学习和深度学习两个维度开展鉴别研究。

图片3.png

在CARS-PLSDA模型中，经CARS算法筛选出511、672、721、850、981nm五个特征波长，模型校正集总体准确率达99.6%，预测集总体准确率达99.0%，可有效区分酸枣仁与伪品，仅少量枳椇子因与酸枣仁光谱特征相近出现误判；在 1DCNN模型中，通过添加自定义波长选择层实现特征波长自动筛选，筛选出的20 个特征波长中，664、727、857nm 与CARS算法筛选的特征波长相接近，模型校正集和预测集总体准确率分别达 99.8% 和 99.5%，鉴别精度进一步提升；而基于5个特征波长构建的5W-1DCNN模型，在校正集实现 100% 鉴别准确率，预测集准确率达 99.5%，在简化模型的同时保持了高鉴别效果，为后续便携式检测设备开发提供了思路。

图片4.png

研究结果显示，基于FS-13采集的光谱数据构建的各类模型，分类正确率均在99%以上，且均识别出670、721、850nm附近的波长为酸枣仁真伪鉴别的关键特征，这些波长与样品种皮颜色、内部碳水化合物、C-H基团等成分信息相关，印证了FS-13采集的光谱数据能够有效反映样品的物理和化学特征，为后续挖掘中药材鉴别关键光谱特征提供了可靠支撑。

结语

高光谱成像技术在农产品、中药材质量检测领域的应用不断深化，彩谱科技始终聚焦高光谱检测设备的研发与创新，FS-13 高光谱相机以稳定的性能、精准的采集效果，成为科研机构、检测实验室开展光谱分析研究的重要设备。未来，彩谱科技将继续深耕高光谱技术领域，持续优化设备性能，拓展设备应用场景，为中药材质量检测、农产品品质分析等领域的技术升级提供更多优质的设备和解决方案，助力相关行业的高质量发展。

产品推荐

FigSpec FS-13高光谱相机（线扫描）

图片5.png