综述：高光谱成像在农业与食品无损检测中的研究综述：从作物监测到采后质量评估

《Foods》：Hyperspectral Imaging for Agricultural and Food Sensing: Applications, Data Analytics, and Deployment Challenges

　　

摘要

高光谱成像（HSI）将空间信息与光谱信息相结合，在农业和食品领域的无损检测中得到了广泛研究。本综述考察了高光谱成像在作物生长监测、非生物与生物胁迫检测、土壤评估以及采后质量与安全检查中的应用。本文特别关注了采集配置、光谱预处理、特征提取以及机器学习或深度学习模型如何影响实验室、田间和生产线等不同场景下的性能表现。近期研究表明，红边和短波红外特征在叶绿素、氮含量和水分状态估测中具有较好的应用价值，而基于学习的模型已被应用于病害检测、污染物识别和质量分级。然而，跨年度、跨地点和跨仪器的迁移仍然困难，且实际部署还受到校准不一致、硬件成本和操作复杂性的进一步限制。因此，我们讨论了仪器感知校准与预处理、模型泛化能力、低成本感知以及有助于提高可重复性和田间适用性的部署策略。