本研究應用了400-1000nm的高光譜相機，檢測核桃內部，可采用杭州彩譜科技有限公司產品FS13進行相關研究。用800-1700nm的光譜范圍檢測核桃表面，可以采用光譜范圍在900-1700nm的FS15高光譜相機，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。

　　核桃是一種老幼皆宜的堅果食品和重要的木本油料作物，我國核桃種植面積及產量均居世界首位。核桃仁品質檢測與分級是核桃生產加工的重要環節。按照國家相關標準的規定，核桃仁外觀品質指標包括完整度和表皮色澤，內部品質指標包含脂肪含量和蛋白質含量。實際生產中核桃仁分級主要依靠外形和色澤進行人工挑選，生產成本高，分級隨意性大，難以對內部品質進行分辨。傳統的化學檢測對樣品具有破壞性，檢測時間也較長，難以適應現代化生產要求。目前，采用高光譜技術進行核桃品質檢測的研究主要集中于核桃殼仁分類，針對核桃仁品質的研究尚未見相關報道。

　　為了探索同時實現核桃仁內部品質檢測和外觀等級分類的方法，本研究采用高光譜成像技術開展了核桃仁脂肪含量、蛋白質含量及色澤的特征光譜篩選，篩選出了品質指標的相關特征波段以期為核桃仁品質無損檢測的應用提供參考。

　　核桃仁樣品在近紅外區域（863~1704 mm）的平均光譜信息及預處理后的光譜信息如圖3所示。樣品原始光譜信息總體特征基本一致，除了水分的吸收峰外，其它成分的吸收峰并不明顯，需要對光譜進行進一步處理。通過MSE和SNV組合的預處理方法，去除了部分背景噪聲的影響，使樣品光譜信息更平滑。同時，進一步增強了光譜信息的一致性，突出了光譜峰谷，使光譜特征得到了強化。

　　基于光譜信息與圖像特征的核桃仁外觀等級分類，圖6為3種色澤核桃仁樣品在可見光和短波近紅外區域（382~1027nm）的平均光譜曲線，由于光譜前后段噪聲影響較大，因此去除了前段和后段各20個波段點。由圖6可見，在原始光譜中，3種色澤核桃仁樣品的光譜曲線在可見光范圍內光譜反射率隨著色澤由淺到深呈現明顯的下降趨勢，在近紅外范圍內光譜較雜亂。經過MSC和SNV組合方法預處理后的光譜信息，光譜反射率呈現出一定的規律性和一致性，有助于后續的光譜處理。

　　采用高光譜成像技術，開展了核桃仁內外部品質檢測方法研究，通過光譜與圖像信息相結合的方法實現了核桃仁蛋白質和脂肪含量預測以及基于完整度和色澤的核桃仁外觀品質分級。結果表明，采用CARS算法與相關系數法相結合的方式，有效地去除了全光譜波段中的無關信息和冗余信息。與全光譜波段相比，特征波段預測模型蛋白質含量的驗證集R?由0.66增長到0.91，RMSEP由1.37%下降到0.78%；脂肪含量的驗證集R?由0.83增長到0.93，RMSEP由0.98%下降到0.47%，表明篩選出的特征波段有效的降低的模型的復雜度，提高了模型預測能力。

　　將色差特征光譜與圖像統計特征參數相結合，采用高光譜圖像提取了總色差特征波段光譜，能夠大幅降低冗余信息的干擾，提高建模效率。通過總色差特征波段光譜與圖像統計特征參數相結合的方法，與RGB波段相比進一步提升分類的準確率，當采用DT算法建立的色澤分類模型時，模型具有最高的分類準確率（98.6%）。采用高光譜圖像同時實現了核桃仁內部品質參數（蛋白質含量、脂肪含量）的檢測和外觀品質（完整度、色澤）的分類，為核桃仁品質無損檢測的應用提供了新的解決方案。