Food Chemistry | 不同生长时期白菜叶片膳食纤维含量的多光谱检测（Videometer）-河北农业大学

Multispectral detection of dietary fiber content in Chinese cabbage leaves

across different growth periods

Shaoliang Zhang , Xin Duan , Xinglong Yan , Xiaoxue Yuan , Dongfang Zhang , Yuanming Liu ,

Yanhua Wang , Shuxing Shen , Shuxin Xuan , Jianjun Zhao , Xueping Chen , Shuangxia Luo ,

Aixia Gu *

本研究以不同生育期大白菜叶片为对象，利用365–970 nm 多光谱成像结合化学测定值，构建膳食纤维（DF）含量预测模型；通过对比全波段与特征波段（430、880、590、490、690 nm）及随机森林（RF）、BP、RBF、MLR四种算法，最终确立基于全光谱的随机森林模型为最优，其决定系数R²=0.9023、RMSE=2.7182 g/100g、RPD=3.1220，实现大白菜膳食纤维快速、无损、精准检测，为蔬菜田间分级与品质评价提供技术支撑。

研究背景和目的

背景：大白菜是我国主栽蔬菜，膳食纤维（DF）是核心营养指标，对人体健康至关重要。传统 DF 检测采用酶重量法、高效液相色谱法，流程繁琐、耗时、有损、污染环境。多光谱成像（MSI）可同步获取空间 + 光谱信息，实现农产品成分无损快速检测，但在大白菜膳食纤维预测中尚未见报道。

研究目的：建立准确、稳定的大白菜膳食纤维多光谱定量预测模型。

核心试验方法

①多光谱数据采集：设备：VideometerLab4，波段365–970 nm（19 波段）；预处理：SNV（标准正态变量变换），消除散射，PCA + 逐步回归筛选特征波长。

②化学成分测定：方法：AOAC 991.43 酶重量法测定膳食纤维真值。

③模型构建与评价：算法：随机森林（RF）、BP 神经网络、RBF、多元线性回归（MLR）；输入：全波段（365–970 nm）、特征波段（430、880、590、490、690 nm）；评价指标：决定系数 R²、均方根误差 RMSE、相对分析误差 RPD（RPD≥3 为优秀）

Videometer Lab4在大白菜多光谱数据采集中的优势

①数据采集

整个实验的所有光谱数据，全部由 VideometerLab 4 采集。它覆盖365–970 nm 全波段，一次扫描就能拿到紫外、可见光、近红外 19 个通道的光谱信息，比普通相机多捕捉大量与营养成分相关的特征信号，且有下面几个优点：

a.单样本成像仅需5–10 秒，适合高通量批量检测

b.自带积分球均匀光源，光照稳定无阴影，数据更可靠

c.高分辨率成像，能精准提取叶片感兴趣区域（ROI）的光谱

研究团队用它采集了大白菜莲座期、结球初期、结球后期、收获期4 个阶段、共 160 个叶片样本，建立光谱与膳食纤维含量的对应关系。

大白菜膳食纤维多光谱检测整体技术路线

②数据预处理

在数据预处理阶段，Videometer 系统自带校准程序，自动完成黑白标定，有效消除光照、环境、样品表面带来的误差，让后续建模更精准。研究通过 SNV、SPA、PCA 等处理，最终筛选出430、880、590、490、690 nm5 个与膳食纤维高度相关的特征波段。

大白菜叶片的光谱信息。(a) 大白菜叶片的光谱反射率。(b) 不同生长时期大白菜叶片光谱反射率的平均值。

研究结论

①多光谱成像可实现大白菜膳食纤维无损、快速检测，不同生育期大白菜叶片光谱趋势一致，450–700 nm 差异最显著（与叶绿素、水分相关）。

②全波段信息优于特征波段，能更全面反映成分变化：膳食纤维是多种成分的复合体，其光谱信号分散在全光谱区间，仅用特征波段会丢失部分有效信息；全波段能更完整表征化学成分与光谱的关联，因此预测精度更高。

③随机森林（RF）为最优算法，模型精度高、稳定性强。最优模型：全光谱 + RF，R²=0.9023，RPD=3.1220。该技术可用于大白菜田间品质分级、育种材料快速筛选。

北京博普特科技有限公司是丹麦Videometer多光谱成像系统的中国区总代理，全面负责其系列产品在中国市场的推广、销售和售后服务。