隨著人們生活水平的提高，人們對農產品品質的要求也越來越高，而傳統的農產品品質檢測方法有著破壞樣本、耗時長等缺點，無法滿足現有的生產需求。隨著光譜技術的不斷發展，光譜成像技術被廣泛的應用于農產的品質檢測，它能夠準確探測一維光譜和二維幾何空間信息，獲得被測樣品的光譜信息和圖像信息，對樣品內外品質進行定量和定性的分析。本文介紹了高光譜成像儀在農產品無損檢測中的具體應用。

高光譜成像儀用于果蔬品質檢測：

針對果蔬類外部品質的無損檢測，主要對果蔬的顏色、大小、性狀和表面特征等方面進行判斷，傳統的人工分揀方法雖然能大致區分出果蔬外部品質的優劣，但是人工的判斷更多的是憑借肉眼的觀察和分揀的經驗，因此存在一定程度的誤差。應用高光譜成像技術進行無損檢驗時，能夠對果蔬的擦傷、凍傷等外部損傷情況做出科學合理的檢測。

果蔬的一般性損傷都是在采摘和運輸的過程中造成的，有時候過長時間的存儲也會使果蔬的外部氧化，發生質變，導致一定程度的腐爛，一般中期和晚期的外部損傷可以用肉眼進行察覺，但是果蔬早期的損傷是無法用肉眼判斷的，只能借助高光譜成像技術。例如：用高光譜成像技術對蘋果的擦傷程度進行研究，將蘋果的擦傷程度分為可見損傷、近紅外損傷和短波紅外波段內損傷，通過采用相關函數建成檢測模型，準確得出蘋果擦傷的程度。

高光譜成像儀用于肉類品質檢測：

根據國內外的相關研究，高光譜成像技術在肉類檢測中發揮著重要作用，可以對肉制品的嫩度、大腸桿菌、肌內脂肪、蛋白質、水分、顏色和pH值等因素進行檢測，形成有較高分辨率的高光譜圖像。

在高光譜成像技術的應用中，主要對豬肉、牛肉、火雞、火腿等肉類進行無損檢測。例如：對豬肉進行無損檢測時，采集多個樣本，形成400～1100nm范圍的高光譜圖像，利用函數分析出豬肉高光譜圖像的散射特征，將不同的參數擬合為散射曲線，從而建立起多元線性回歸模型，得出最終的檢測結果。

高光譜成像儀用于谷物品質檢測：

就目前我國農產品的經營情況來看，市場上出現很多與農作物質量相關的問題，導致人們的生活水平受損，因此，對谷物類的無損檢測至關重要。經過國內外各項研究，高光譜成像技術已廣泛應用于谷物類無損檢測。例如：利用高光譜成像技術對大米進行無損檢測時，對大米的部分區域進行降維處理，利用主成分析法（PCA）和BP神經網絡法（BPANN）建立相關圖像模型。經過對比發現，應用BPNN形成的數據模型明顯優于利用PCA形成的預測模型，能夠對大米的品質進行準確的預測。除此以外，還可以用近紅外高冠普檢測小麥、玉米等農作物的真菌感染情況，利用高光譜成像技術形成線性波段，對感染的農作物種子進行識別。