近日,河北省农林科学院生物技术与食品科学研究所果蔬贮运加工研究室程红博士团队,使用高光谱成像技术结合机器学习模型建立了一种无损快速检测方法,成功预测了鸭梨的虎皮病生物标志物α-法尼烯和CTols,并在国际化学光谱学TOP期刊Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy在线发表了题为“Potential of hyperspectral imaging for nondestructive determination of a-farnesene and conjugated trienol content in ‘Yali’ pear”的研究论文。该论文采用北京易科泰生态技术公司提供的Specim-VNIR高光谱成像果品品质检测系统,借助其高分辨率、高信噪比、高帧频的特点,高效采集了大批量不同实验处理下的400-1000nm鸭梨高光谱数据集,将VIS-NIR高光谱成像技术和机器学习模型相结合,建立了一种基于高光谱成像技术的快速无损预测鸭梨中α-法尼烯和CTols含量的方法,以跟踪鸭梨的健康状态,预防鸭梨虎皮病。该研究结果为鸭梨虎皮病的无损检测提供了技术支撑,也充分体现了高光谱成像技术在果实品质高效、无损检测中的潜力。