人参作为名贵中药材，不同部位的有效成分含量差异显著——主根与根须的药用价值不同，市场价格也相差悬殊。然而，仅凭肉眼很难快速、客观地分辨两者，传统方法往往依赖人工经验，效率低且易出错。

高谱成像利用自研的可见光（400-1000nm）与近红外（900-1700nm）高光谱相机，针对人参主根和根须的区分问题，完成了一项检测验证测试。结果表明：在两个波段范围内，人参主根与根须的光谱特征均存在显著差异，通过机器学习算法可实现高效、精准的自动化分类。

1.1 测试相机：

本次测试采用可见和近红外两台高光谱相机进行测量

相机1覆盖400-1000nm波长范围

相机2覆盖900~1700nm波长范围

线性推扫成像方案

照明光源采用卤素光源

测试时样品放置在水平位移台上

2.1 测试需求

人参的主根和根须进行区分

3.1 人参400-1000nm光谱数据分析

在400-1000nm波段，人参根部光谱整体反射率显著高于须根，且呈现典型的植被"红边"效应--在680-750nm区间反射率陡升，于800-900nm达到峰值。须根反射率整体偏低且曲线平缓。

3.2 人参900-1700nm光谱数据分析

在900-1700nm波段，根部光谱维持高位平台后于1450nm附近出现显著吸收谷，反映根部作为营养储存器官具有更高的水分含量或更强的水分束缚能力。1200nm附近的肩峰特征提示根部含有更丰富的脂类、纤维素等细胞壁成分。须根光谱整体反射率显著较低、曲线形态平坦，1450nm处水分吸收谷较浅。

从图中可以观察到，在400-1000nm可见-近红外及900-1700nm短波近红外两个波段内，人参根与须的光谱差异呈现出"由表及里"的系统性规律：前者主要反映两者外观颜色的本质不同——根部呈浅黄白色、反射率显著偏高且具典型"红边"结构，须根呈深黄褐色、反射率整体偏低且曲线平缓；后者则揭示两者化学成分的内在差异——根部富含水分、多糖、皂苷及细胞壁物质，于1450nm处呈现深水吸收谷、1200nm附近具C-H振动肩峰，而须根上述成分积累较弱，光谱结构特征相应弱化。

3.3 相机1（400-1000nm）-算法对比

使用400-1000nm的相机采集的数据，对比了两种算法，其中算法1明显优于算法2，算法1对于根须的识别具有较好的效果。

3.4 相机2（900-1700nm）-算法对比

算法1人参的主体部分被红色突出显示，但其边缘和细节部分存在一些噪点。

算法2在人参的主体部分和细节部分都表现出了非常优异的识别效果。人参的主体部分同样被红色突出显示，但边缘更加清晰，细节部分也得到了很好的保留，几乎没有可见的噪点。

4.1 总结

1.人参主根与根须在可见光与近红外波段均具有显著可区分的光谱特征。

2.基于高光谱成像技术的自动化分类具有很高的可行性。

4.2 下一步建议

1.扩大样本量：当前测试仅使用了一根人参样本，建议增加样本数量以验证模型的泛化能力。

2.算法优化：在充足样本基础上，进一步提升识别准确率与计算效率。

应用前景：从实验室到生产线

高谱成像的高光谱技术方案，在人参质量分级与中药材真伪鉴别领域具有广阔的产业化前景：

•  中药材分级分选：可推广至黄芪、金银花等中药材的品质评价与等级区分。

•  产地溯源与真伪鉴别：高光谱技术可有效鉴别不同产地红参及野生参品类。

•  无损在线检测：为中药饮片的自动化质量分级提供技术基础，推动中药产业标准化与智能化升级。