本文是第一个研究使用成像系统研究计算食物营养密度分析的可行性的研究。受理论光学稀释模型的启发,使用来自13种商业制备的purées的390个样品以5种稀释度评估了新颖的深度神经网络(DNN)。 D在三次曝光时使用不同极化的多光谱成像数据的相同反射率来捕获数据。实验结果平均前1位预测准确率为92.2%±0.41%,灵敏度和特异性分别为83.0%±15.0%和95.0%±4.8%。该DNN成像系统用于炼制食物的营养物质密度分析,有望成为营养品质量保证的新工具。