绿叶蔬菜是我们日常饮食中不可或缺的健康食材，如菠菜、油菜、苋菜、生菜等。这些蔬菜含有丰富的人体所必须的营养元素，如维生素C、钙钾镁、叶绿素、胡萝卜素、花青素、膳食纤维等等，研究表明绿叶蔬菜对健康的益处几乎不可替代。每日饮食中保证100-200克的绿叶菜可有助于促进骨骼健康，预防心血管疾病等。因此，提高绿叶蔬菜的质量对蔬菜加工行业至关重要(De Corato 2020)，其中蔬菜质量（包括营养成分、新鲜度、外观和收获后的保质期）的评估，目前主要是通过视觉（Simko和Hayes(2018)）和生物分子标记法(Simko et al 2018)来评估预测，但是这两种方法不仅耗时，而且需要很专业的技术人员，快速、便捷地评估和预测蔬菜保质期及营养物质的方法对蔬菜种植业来说非常重要，光谱成像技术特别是高光谱成像（HSI）技术已被证明是蔬菜质量检测鉴定和分析的有效方法。

易科泰生态技术公司提供蔬菜品质检测与采后生物学研究全面解决方案，高通量、非接触、数字化：

1.      PhenoTron®复式智能LED光源培养与成像分析平台：

ü  一体式智能LED光源培养与高光谱成像原位（in-situ）分析

ü  复式多通道智能LED光源，每个通道（RGB、UV及远红等不同波段或不同颜色光源）独立0-100%调制，可自由组合不同光源配方

ü 应用于光生物学研究及蔬菜栽培与品质检测研究等（下图为培养的木耳菜及种苗原位高光谱成像分析（PRI）

2.      PhenoTron®-PTS叶绿素荧光与高光谱成像分析平台：

ü  高光谱成像分析，可选配红外热成像分析及RGB成像分析

ü  FluorCam叶绿素荧光成像技术，光合作用的灵敏探针

ü  紫外光激发多光谱成像分析

3.      PhenoTron®-HSI多功能高光谱成像分析系统：

ü  高光谱成像分析

ü  叶绿素荧光高光谱成像分析

ü  UV-MCF生物荧光成像分析

自左至右依次为：PhenoTron®-HSI多功能高光谱成像系统、PhenoTron®-PTS叶绿素荧光与高光谱成像分析平台、PhenoTron®复式智能LED光源培养与光谱成像分析平台

应用案例一：基于高光谱成像技术的水培生菜养分含量测定

美国研究人员Sulaymon Eshkabilov等人利用高光谱成像技术对不同氮浓度水培条件下培养的4种生菜品种（Rex、Tacitus、Black seeds Simpson、Flandria）进行了在线品质测量分析。利用Specim高光谱成像采集生菜光谱数据，建立了具有反射率及其一阶导数（FDR）两个光谱数据值和两个光谱指数（光谱比值(RSI)和归一化光谱指数(NDSI)）的简单线性回归模型，以寻找最佳波段组合，并利用4个最优波段的偏最小二乘回归法(PLSR)和主成分分析(PCA)方法估算了NO^{3 -}、Ca²⁺、K⁺、可溶性固形物含量(SSC)、pH值和总叶绿素浓度(SPAD值)。

图1-1 左：4种不同生菜 右：高光谱数据采集

图1-2 四种不同生菜品种反射率及FDR值（确定最优波段）

图1-3 四种不同生菜品种的营养物质NO3 -、Ca2+、K+、可溶性糖、pH值、叶绿素浓度的拟合模型

结果表明：利用400-1000nm波段高光谱成像系统进行高光谱成像分析，可获得生菜的养分含量。并且发现营养物质浓度的观测值与PLSR和PCA模型的拟合值具有良好的相关性。

应用案例二：基于高光谱成像技术的生菜新鲜度识别

因为生菜极易腐烂，而在腐烂早期通过肉眼监测又难发现，因此对于生菜加工产业和育种公司而言，一套可用于生菜新品种品质鉴定及早期腐烂监测及其变化的系统显得尤为重要。易科泰光谱成像实验室技术人员利用PhenoTron®-HIS多功能高光谱成像分析系统监测普通生菜短期内反射光谱的变化，并分析其光谱特征及光谱指数随时间变化的规律。为绿叶蔬菜的储存、品质检测鉴定及在温室和包装生产线上的应用提供高光谱成像技术方案。

图2-1  左：水波段指数随天数的变化 右：自然放置不同天数生菜的光谱曲线

水波段指数（WBI）对生菜水分状态的变化比较敏感。从图2-1可以看出：随着生菜自然放置天数的增加，水分含量越来越低，生菜对970nm的光吸收强度相对于900nm的吸收强度也变低。

图2-2 不同时间生菜的RGB及光谱指数CI、PSRI和WBI

CI是叶绿素[ChI]含量最敏感的光谱指数之一；PSRI与蔬菜中类胡萝卜素[Car]与叶绿素[ChI]比值密切相关，最终反应植物的衰老速度和衰老阶段。由图2-1和图2-2可以看出鲜切生菜光谱曲线的变化和不同像素值对应分布的变化。根据生菜的光谱曲线以及不同像素值对应分布可进一步研究优化光谱指标对应的波段，为生菜等绿叶蔬菜的储存、品种品质检测鉴定、及在温室和包装生产线上检测潜在变质等应用提供完整的高光谱成像技术方案。

参考文献：

[1]        De Corato, U., 2020. Improving the shelf-life and quality of fresh and minimally processed fruits and vegetables for a modern food industry: A comprehensive critical review from the traditional technologies into the most promising advancements. Crit. Rev. Food Sci. Nutr. 60 (6), 940–975.

[2]        Simko, I., Hayes, R.J., 2018. Accuracy, reliability, and timing of visual evaluations of  decay in fresh-cut lettuce. PLoS ONE 13 (4), e0194635.

[3]        Simko, I., Hayes, R.J., Truco, M.-J., Michelmore, R.W., Antonise, R., Massoudi, M., 2018. Molecular markers reliably predict post-harvest deterioration of fresh-cut lettuce in modified atmosphere packaging. Hortic. Res. 5 (1), 1–13.

[4]        Sulaymon, E., Arim, L., Hyperspectral imaging techniques for rapid detection of nutrient content of hydroponically grown lettuce cultivars. doi.org/10.1016/j.compag.2020.105968.

[5]        Boris,S et al. Comparison of the Non-Invasive Monitoring of Fresh-Cut Lettuce Condition with Imaging Reflectance Hyperspectrometer and Imaging PAM-Fluorimeter. doi.org/10.3390/photonics8100425.