高光谱成像技术是一种光谱技术和成像技术构成的集成技术，能够准确探测一维光谱和二维几何空间信息，获得被测样品的光谱信息和图像信息，对样品内外品质进行定量和定性的分析，因此在食品安全检测工作领域中被广泛应用。本文介绍了高光谱成像技术在农产品内外品质无损检测中的应用。
1.在农产品无损检测方面上的应用
在农产品无损检测方面，由于高光谱成像技术依靠的是窄波段电磁波光谱的成像原理来分析物质的物理性质和化学成分，因此无需工作者破坏农产品结构，就能够完成检测工作，实现了农产品的无损检测。在技术应用过程中，工作者需要使用光谱仪、CCD相机、图像采集卡等设备构建一个高光谱成像系统，工作者先要利用该系统进行产品光谱图像的采集，然后经过系统校准、图像校正、图像分析等操作流程，可以得出农产品内的农药残留、果锈情况。在此过程中，由于农产品中各个物质的物理特征与化学成分存在差异，因此这些物质会显示出不同的光谱信息，使得人们得以分辨出农产品内部所包含的各类物质，然后借此判断出产品的质量情况，省略了传统检测中需要破坏产品结构的操作，提高了检测工作的效果。
2.在提高农产品检测准确度上的应用
一般来说，相较于多维光谱技术，利用高光谱技术获得的图像具有更高的分辨率，使其在农产品检测的应用中，体现出了精度高的特质，提升了检测工作的水平。在准确度方面，该技术的运用能够帮助人们得到三维的图像数据，实现了样本光谱信息与图像信息的集成，为人们精准地判断农产品质量，提供了有力的依据。此外，在高光谱系统中，工作者可以通过增益、可变积分时间、暗电流偏移等方式，来反复校准和校正之前所获得的原始高光谱图像，进一步优化了该技术下检测工作的准确性，与此同时，随着数据处理的技术的发展，人们已经能够有效处理冗余信息多、波段多的高光谱图像了，保障了最终检测结果的精度，提升了产品检测工作的水平。
3.在农产品含糖量检测上的应用
糖分作为人体必不可少的养分，含糖量在很大程度上影响着果蔬类农产品的质量，因此工作者将高光谱成像技术应用到含糖量的测定上，能够准确判断农产品的质量，增强产品检测工作的效用。在含糖量上，工作者可以利用高光谱系统来获取产品糖度的漫反射光谱图像，然后截取其中的有效波段，并建立糖度检测模型。之后将数据信息带入到模型中，能够分析出产品中的含糖量，最后再在此基础上，根据相应的指标来判定该产品的质量水平，明确受检测果蔬的口感、营养含量等情况，使检测工作更加精细。此外，由于该技术所需的人工操作较少，效率较高，因此能够帮助产品检测机构节省大量的人力资源，深入优化了农产品检测工作的效果，并且缩短了大规模产品检测工作的周期，推动了检测工作的发展。
4.在农产品损伤检测上的应用
传统的外伤检测主要依靠工作者在分拣过程中的肉眼判断，存在一定的检测误差，而高光谱图像技术下的检测操作，能够为人们直接呈现出产品的物理特质，使检测结果更加直观、可靠。在损伤检测中，部分果蔬产品的损伤存在于产品内部，因此肉眼观测效果不佳。为了消除检测中的遗漏部分，工作者借助光谱图观察各类波段光的反射情况，可以判定农产品内部存在的损伤，比如冻伤、质变等问题，例如：在苹果的损伤检测中，工作者通过获取其在近红外、短波红外、可见波段内的光谱信息，然后利用 SVM、SLOG 等方式，构建损伤检测模型，能够以 90%以上的准确率检测出其内外的损伤情况。此外，由于产品的损伤情况与其食用安全状态具有密切的联系，因此工作者通过基于该技术的损伤检测操作，能够帮助人们评定农产品的食用安全性，增强了检测工作的效用。
5.在农产品内部细菌检测上的应用
就目前来看，肉类经常会受到细菌的感染，而传统的检测工作效率较低，检测周期较长，降低了工作效果。而基于高光谱技术的细菌检测工作实现对大肠杆菌污染的快速、无损检测，能够有效提升肉类农产品的检测水平。在细菌检测上，以牛肉为例，工作者可以通过分析红外线条件下，牛肉的高光谱反射率光谱图像，能够得出牛肉样本中的具体成分，在此过程中，工作者可以使用PLSR 法，来建立牛肉脂肪、蛋白、水分含量的预测模型，然后将光谱图像信息导入到模型中，可以准确地检测出其中各个营养成分的含量状态，并判断出该样品是否存在细菌污染，实现细菌检测操作。
6.在农产品检测可溶性固形物上的应用
可溶性固形物（SSC）检测，为农产品检测的重点内容，具体检测项目包括“糖”、“微量元素”、“矿物质”等多种。以“蓝莓的糖度检测”为例，应首先准备好蓝莓，置于4℃环境下密封保存3d，检测前4h取出。此后，可将光谱波长设置为900～1700nm，分辨率设置为2.8nm，狭缝宽度30μm，调整镜头焦距以及平台移动速度后，便可开始检测。糖度检测，应于提取果汁后采用糖度计完成。采用相关软件分析平台，对图像进行处理以及校正后，便可形成光谱图像。初步形成的光谱图像，噪声一般较大，需去除两端波段，取 961~1665nm 范围内的波形，建立蓝莓可溶性固形物检测模型，后于蓝莓果实区域提取光谱信息，便可获得平均光谱。本研究通过对测量结果的观察发现，当样本数为5时，蓝莓糖度为5%。随着样本量的增加，糖度同样显著提升。当样本量增加至40时，糖度增加到最高，达到12%。此外，研究同样发现，与选择蓝莓果柄光谱数据测量糖度相比，采用蓝莓花萼测量糖度，建模结果更加准确。可见，以蓝莓花萼为样本，采用高光谱成像技术，对农产品的可溶性固形物进行检测，能够取得良好的效果。
