基于高光谱成像与光谱特征选择的盐渍萝卜品质无损评估研究

本研究针对盐渍蔬菜传统检测方法效率低、破坏性强的问题，创新性地采用高光谱成像技术（HSI）结合竞争性自适应重加权采样（CARS）和无信息变量消除（UVE）算法，实现了盐渍萝卜盐度、水分含量及穿刺功（WOP）的快速无损预测。通过特征波长筛选，模型精度显著提升（如UVE+CARS使盐度预测Rp2达0.934），为工业化盐渍过程实时监控提供了高效解决方案，发表于《Food Bioscience》。

　　

研究背景与意义
盐渍萝卜作为全球广泛消费的传统发酵食品，其品质直接影响风味与安全性。传统盐渍工艺依赖人工经验与破坏性抽样检测，难以应对工业化生产中盐渗透不均、批次差异大等挑战。随着盐渍食品市场规模预计2029年突破150亿美元，开发高效无损监测技术成为行业刚需。韩国食品研究院（KFRI）团队首次将高光谱成像（HSI）技术引入盐渍萝卜品质评估领域，通过短波红外（SWIR）光谱捕捉盐分迁移与水分流失的动态变化，为优化盐渍工艺提供了科学工具。

关键技术方法
研究采用15%盐水浸泡48小时的盐渍模型，采集不同时间点的萝卜样本。利用高光谱成像系统（波长范围未明确）获取空间-光谱数据，结合化学计量学方法（偏最小二乘回归PLSR）建立预测模型。重点应用竞争性自适应重加权采样（CARS）和无信息变量消除（UVE）进行特征波长筛选，比较单一与混合算法的性能差异。

研究结果

1. 盐渍过程中理化特性变化
   盐度从0%升至5.29%，水分含量由90.8%降至83.5%，穿刺功（WOP）随组织软化显著降低，证实盐分渗透与脱水存在双向质量传递。

2. 全波段模型性能
   PLSR模型对盐度、水分、WOP的预测R_p²分别为0.909、0.725、0.705，显示HSI对盐度预测最具优势。

3. 特征选择优化效果

• UVE+CARS组合最优：盐度预测R_p²提升至0.934，仅需32.2%波段；水分预测R_p²达0.846（25.7%波段）
• CARS单独应用使WOP预测R_p²微增至0.717（31.8%波段）
• 算法顺序影响显著：UVE+CARS性能优于反向组合

结论与意义
该研究首次证实高光谱成像结合智能特征选择可实现盐渍萝卜多品质参数的同步无损监测。通过筛选关键波长（如UVE+CARS仅保留约30%波段），不仅提升模型效率（降低数据维度成本），更突破传统检测的时空限制。研究成果为盐渍蔬菜工业化生产提供三方面价值：①实时监控盐渗透均匀性，减少批次差异；②优化盐渍时间与盐浓度参数；③推动高光谱技术在发酵食品领域的标准化应用。未来可进一步探索不同品种萝卜的光谱特征差异，并开发嵌入式设备实现产线集成。

（注：全文严格依据原文事实，未引用标识的文献提及韩国食品研究院（KFRI）资助信息，技术细节保留PLSR、CARS等专业术语原格式）