文中数据与结果来自原论文，不代表本公司设备的测试表现。
咖啡生豆来源筛查可以从光谱指纹入手，但同一年、同一加工方式的样本还不能回答所有采购场景。这项研究比较不同来源水洗阿拉比卡生豆，展示预处理与神经网络的分类效果，也保留了产地和批次可能混杂的提醒。
概要
研究对四个印尼来源的水洗阿拉比卡生豆采集反射光谱，结合预处理、主成分降维和神经网络分类，在研究测试中获得较高识别表现。证据来自同年份市场样本，尚未验证新采收季或未知来源；原文范围表述也有差异，结论不能直接迁移到烘焙豆。
（AI 场景概念图，用于科普配图；不是论文数据、研究设备实拍或产品图解）
研究价值
同一生豆双范围比较为咖啡采购库选择配置提供参照，后续重点是跨年与跨加工批次。
实验方法与参考测量
研究采集2022年四个印尼来源的水洗阿拉比卡生豆，每来源600粒，使用两台反射光谱仪在遮光条件下测量。比较原始谱、平滑、散射校正与一阶导数，先经PCA降维再输入多层感知机。样本随机以三分之二训练、三分之一测试，训练集再做十折交叉验证；比较两个光谱范围及不同预处理的分类指标。不同光谱预处理独立比较，不把产地当作化学成分。
关键波段与采集参数
| 波段 / 参数 | 原文含义与使用说明 |
|---|---|
| 方法400–1000与970–1630 nm；结果另述SWNIR954–1700 nm，范围不一致待核实 | 本研究采集/分析范围 |
| 讨论1210、1300、1450、1570 nm成分相关区；不是已验证少量通道组合 | 原文特征与证据说明 |
主要结果
原文表6可见近红外MSC测试平均准确率99.81%；SNV十折验证99.25±0.54%。指标按原文平均分类度量，未验证新采收季或未知来源。
研究局限与解读
方法与结果SWNIR范围不一致；加工方式和产地/批次差异可能混杂，不能移植到烘焙豆。
图像版权归论文原作者。许可：CC BY 4.0。
论文来源
Dharmawan A, Masithoh RE, Amanah HZ. (2023). Development of PCA-MLP Model Based on Visible and Shortwave Near Infrared Spectroscopy for Authenticating Arabica Coffee Origins. Foods. https://doi.org/10.3390/foods12112112
欢迎联络
便携式设备能否用于类似检测，需要结合样品和实验条件评估，具体效果仍需通过实际测试验证。欢迎联系威视佰科，交流您的样品与检测需求，共同评估实验方案，探讨使用本公司设备开展实测与验证的可行性。
- 电子邮箱：contact@vispek.cn
- 官方网站：https://www.vispek.cn
本公司产品展示，非论文所用设备