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。
鸭梨外观没有明显缺陷，内部仍可能出现生理褐变。透射光谱能否在切果之前提示这类品质问题，是这项在线试验的关注点。研究同时涉及分类模型和输送装置，两者的测试条件需要放在一起理解。
概要
研究在线采集鸭梨透射光谱，以切果后的专家判定为标签，比较判别模型与卷积网络。研究测试集获得较高分类表现，但样本限于单一果园和限定果径，不能直接推广到新来源；输送装置能力也不能等同一次扫描下长期稳定的模型表现。
（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
内部生理褐变与切果标签对应，可为梨果分选确定轻度缺陷的漏检评价目标。
实验方法与参考测量
495果在输送装置上采透射光谱，光源置上方两侧、探头位于托盘下方。白球校准并遮光，每果五次扫描平均，从361–1165 nm中保留387–1165 nm；按7:3划分，以切果标签比较PLS-DA与1D-CNN。
关键波段与采集参数
| 波段 / 参数 | 原文含义与使用说明 |
|---|---|
| 361–1165 nm | 仪器采集范围 |
| 387–1165 nm | 保留的1024变量分析范围 |
| 五次扫描平均 | 单果研究数据形成方式 |
主要结果
原始光谱1D-CNN在所用测试集报告100%分类准确率；不能外推不同果园、果径或一次扫描高速运行。
研究局限与解读
单一果园、约75 mm果径和限定样本分布限制泛化；六果每秒设备能力不等于一次扫描模型成绩。
图像版权归论文原作者。许可：CC BY 4.0。
论文来源
Hao Y, Li X, Zhang C, Lei Z. (2023). Online Inspection of Browning in Yali Pears Using Visible-Near Infrared Spectroscopy and Interpretable Spectrogram-Based CNN Modeling. Biosensors. https://doi.org/10.3390/bios13020203
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