近日，江苏大学郭志明教授课题组在食品领域Top期刊《Journal of Agricultural and Food Chemistry》上以封面文章发表了题为“Hyperspectral imaging and deep learning for quality and safety inspection of fruits and vegetables: A review”的综述论文。该研究第一作者为江苏大学食品与生物工程学院博士研究生杨忱，通讯作者为江苏大学食品与生物工程学院郭志明教授，巴西坎皮纳斯大学Douglas Fernandes Barbin教授、英国利兹大学Nicholas Watson教授、Megan Povey教授等也参与了论文工作。该研究获国家自然科学基金（W2412103，32472431）等资助。
综述概要：高光谱成像和深度学习在水果分析中的应用 研究了用于检测果蔬的新型深度学习方法 高光谱成像增强了果蔬的质量评估 深度学习模型提高了安全问题检查的准确性 技术融合促进了果蔬品质实时检测应用 综述结论 果蔬特性受生长、加工、气候等因素影响，收获后可变，增加了建立鲁棒模型的难度，且自动检测系统校准成本高、实施难。因此，开发有效的校准系统和稳健的模型至关重要。用于HSI图像分析的DL是先进技术，为实现高精度分析，可从多方面优化DL算法，利用其结构特征，如采用高效网络架构搜索算法匹配HSI数据特征、引入注意力机制关注关键频带和区域。 HSI和DL的结合在果蔬质量检测方面具有显著优势。与传统方法相比，HSI的高分辨率、多维数据采集特性和DL的高效分析能力可以实现早期机械损伤检查、内部质量检查和成熟度阶段预测。 HIS和DL加速果蔬检测从实验室走向工业化应用。高速在线图像采集与实时数据处理设备，获取图像后要构建统计模型关联光谱与检测特征，DL提升数据处理速度的同时保障检测精度。 未来研究增强DL泛化学习能力，解决果蔬样本生物多样性问题，发挥HIS+DL在食品质量检测中的潜力。在食品多尺度感知中的应用将不断深化，促进果蔬质量智能精确检测，助力食品工业可持续发展。 图文赏析 摘要图 图1. HSI技术的原理和过程。 图2. （A） ：具有输入层、卷积层、池化层和输出层的CNN模型；（B）：RNN（左）及（右），从时间t-1开始的状态被记住并用作时间的输入；（C）：LSTM模型结构。 图3. 高光谱与深度学习相结合在果蔬外部质量检测中的应用（A）：SSC-AE网络结构图；（B）：SSFE-FCNN网络。 图4. 高光谱结合深度学习在果蔬内部品质检测中的应用（A）：多输入CNN结构图；（B）：自定义VGG16-CNN网络结构图；（C）：2DCNN-FCNN网络结构图。 图5. 高光谱结合深度学习在果蔬安全品质检测中的应用(A): DBSACaps网络结构图；(B): Atrous-CNN网络结构图。 郭志明 郭志明，博士，现为江苏大学食品与生物工程学院教授、博士生导师，现任江苏大学集成电路学院副院长，专注于食品农产品快速无损感知技术与智能加工装备研究。入选农业农村部首批“神农青年英才”和江苏高校“青蓝工程”优秀青年骨干教师等，兼任中国农业机械学会农副产品加工机械分会副秘书长、中国食品科学技术学会果蔬加工技术分会理事、江苏省食品科学与技术学会理事兼副秘书长等。近年主持了国家重点研发计划5项（项目1、课题2、任务2）、国家自然科学基金4项（面上2、国合1、青年1）等。第一完成人已授权发明专利11件，登记软著8件；第一/通讯作者发表SCI检索论文75篇，其中ESI高被引论文7篇，热点论文2篇。研究成果获教育部自然科学二等奖、江苏省科学技术一等奖和中国商业联合会科技进步特等奖等。 杨 忱 杨 忱，江苏大学食品与生物工程学院2023级博士研究生，主要研究方向高光谱成像与深度学习的果蔬品质无损检测，主持江苏省研究生科研实践创新项目1项，以第一作者在Journal of Agricultural and Food Chemistry等期刊发表SCI论文3篇。
