农业行业
一项发表于《Food Research International》的研究利用可见/近红外高光谱成像技术，实现了对活体鲤鱼肌肉氨基酸含量的无损预测。该研究由上海海洋大学、中国水产科学研究院等单位联合完成，彩谱科技提供的FS-13高光谱相机（FigSpec FS-13）作为核心检测设备，彩谱科技工程师戚夏君深度参与研究，为活鱼营养品质的实时评估提供了新的技术路径。
鱼肉的氨基酸组成是衡量其营养价值和商业价值的重要指标。传统检测方法（如高效液相色谱）虽然准确，但存在破坏性——检测后的鱼无法继续销售或用于选育。对于需要保持活鱼状态的应用场景，如精准投喂、营养分级、亲本选育，行业长期缺乏一种快速、无损、可在线检测的工具。
本研究的出发点在于：鱼鳞是否可以作为光谱信号的“窗口”？近红外光能否穿透鱼鳞及皮肤，携带肌肉中的化学成分信息返回探测器？如果可行，将从根本上解决活鱼营养检测的难题。
研究团队采集了两个不同年份、不同体重范围的鲤鱼群体，共计481尾活鱼。对每尾鱼，首先使用MS222麻醉剂短暂麻醉，用吸水纸轻轻干燥鳞片表面，然后采用彩谱科技FS-13高光谱相机（光谱范围400-1000 nm，光谱分辨率2.5 nm）获取鱼鳞背鳍区域的高光谱图像。每个样本的感兴趣区域覆盖200×200像素，每个像素包含300个波段的光谱信息。
随后，在对应的背部肌肉部位取样，通过高效液相色谱测定17种氨基酸的实际含量，用于建模和验证。
研究人员对比了五种模型：偏最小二乘回归（PLSR）、最小二乘支持向量机（LS-SVM）、极限学习机（ELM）、随机森林（RF）和反向传播人工神经网络（BP-ANN）。利用全波段光谱信号（400-1000 nm）进行建模，不同模型在训练集和预测集上的R²值普遍高于0.95。
其中，BP-ANN模型对大部分氨基酸的预测效果较为稳定。在独立验证集（来自不同年份、不同养殖环境的181尾鱼）中，BP-ANN模型的验证R²值均超过0.777。含量最高的三种氨基酸——谷氨酸、天冬氨酸和赖氨酸——的验证R²分别达到0.848、0.858和0.858。研究同时发现，使用特征波长（通过CARS算法筛选）替代全波段后，预测精度提升幅度有限（平均R²增加约0.013），表明氨基酸相关的光谱信息分布较广。
研究系统评估了六个因素对预测精度的影响，结果显示：样本群体异质性是影响精度最为显著的因素。当模型应用于不同年份、不同体重的独立群体时，平均R²下降约0.182。这可能与两个群体氨基酸含量分布的差异有关（如第一群体中多数氨基酸中位数显著高于第二群体）。尽管如此，BP-ANN模型在异质群体中仍保持了可接受的精度（R² > 0.777）。
相比之下，模型类型、氨基酸种类、波长选择方法、鱼体体重和体长对精度的影响较小（平均R²变化小于0.103）。例如，将鱼按体重分为上、中、下三个分组后，BP-ANN模型的R²差异平均值仅为0.076（使用特征波长时）。这说明光谱信号主要受肌肉生化成分驱动，而非简单的物理尺寸散射效应。
在特征波长方面，CARS算法筛选出谷氨酸和赖氨酸的敏感波段集中在516-584 nm、707-738 nm、828-834 nm和939-1032 nm。这些区域与C-H键、O-H键、N-H键的倍频和组合频振动相关，验证了近红外光穿透鳞片后与肌肉中氨基酸分子相互作用的可行性。
利用FS-13高光谱相机每个像素的光谱信息，研究团队绘制了活鱼全身总氨基酸含量的热图分布。结果显示：下颌部、胸鳍部和腹部肌肉的总氨基酸含量较高，而背鳍区和尾部相对较低。这一分布与不同部位肌肉纤维类型（红肌与白肌）的功能差异相符——胸鳍和腹部以慢速氧化型红肌为主，蛋白质代谢更活跃。该热图可为消费者选择高营养价值部位提供直观参考。
彩谱FS-13高光谱相机搭配深度学习算法，成功突破活体水产氨基酸无损检测的技术瓶颈，为精准水产养殖、高品质水产品筛选提供轻量化、可落地的检测工具。未来，随着模型数据库不断完善与便携式设备开发，该方案可进一步推广至多种淡水、海水鱼类，助力水产行业向智能化、标准化、营养可视化升级。
FigSpecFS-13高光谱相机（线扫描）
l光谱范围：400-1000nm
l光谱分辨率：2.5nm
l光谱波段：1200
l空间像素数：1920
