分级线上的相机可以把一颗苹果的直径量到毫米，把着色面积算成百分比，对磕碰、裂口和明显的腐烂斑点也很敏锐。可同一批果在冷库里放了三周，出库开箱，仍有一部分咬下去发绵。相机没有看错，它只是被要求回答一个写在表面上的问题，而发绵最先发生在表面之下。纵横国际官网讨论质检选型时，习惯先问一句：要判断的东西，到底有没有留在图像里。
三个数为什么装不下一条曲线
RGB 相机在每个像素上放三种宽带滤光片，把入射光在红、绿、蓝三个区间各积分一次，得到三个读数。这一步是压缩：一条连续的光谱曲线被折叠成三个数，不同的曲线完全可能折叠出同样的三个数，色度学里把这种现象叫同色异谱（Metamerism）。两颗苹果表面色素相近，在 RGB 图里就是同一种红；可它们的含水状态和果肉结构不同，反射曲线在近红外区未必重合。
Hyperspectral Imaging（高光谱成像）把这道压缩省掉，每个像素保留几十到几百个波长下的反射率。下面这张表按“要回答的问题”排列，而不是按设备参数排列：
| 要回答的问题 | RGB 够用吗 | 需要光谱的哪类信号 |
|---|---|---|
| 大小、形状、着色面积 | 够用，更快也更便宜 | 用不上 |
| 明显破损、裂口、异物 | 基本够用 | 异物与产品颜色接近时才需要 |
| 成熟度的间接线索 | 只能靠颜色去猜 | 色素与水分相关的波段 |
| 早期瘀伤、早期霉变 | 常常看不出 | 组织受损后的近红外反射变化 |
| 含水量的空间分布 | 无法回答 | 近红外水吸收带 |
数据立方体里的一条光谱
采到的是一个三维数据立方体：x、y 是空间位置，λ 是波长。传送带上常用线扫描（推扫式）相机，一次只拍一行像素，产品随带前进，立方体就一层一层被扫出来。常见的 VNIR 覆盖约 400–1000 nm，SWIR 约 900–1700 nm。水分子在近红外区有约 970、1200、1450 nm 的吸收带，含水量与组织结构一变，反射率就会在这些位置起伏。
原始数据还不能直接喂给模型。要先用白板和暗参考做校正，把探测器读数换算成反射率，再用 SNV 或 Savitzky–Golay 平滑与导数，压掉果面弯曲和散射造成的基线漂移。整条链路可以写成：
- 白板与暗参考校正
- 反射率立方体
- SNV / 平滑预处理
- PLSR、SVM 或 CNN
- 品质评估
线扫描还有一个只在产线上才会遇到的细节：相机每秒扫多少行（行频），必须与传送带速度匹配。速度一快而行频没跟上，采到的果子会被“拉长”，速度偏慢则被“压扁”，形状与光谱的空间对应关系都会走样。所以带速波动较大的产线，需要用编码器来触发每一行，而不是靠固定时钟。
图中的苹果 A 与苹果 B 就处在这种关系里：外观一样，光谱曲线在个别波段却分开了，曲线形状为示意，用来说明信息藏在哪一维。
第二个场景：还没变色的瘀伤
设想一批梨在搬运环节受到轻微挤压（场景为示意），当天分级线上一切正常，两三天后受压部位才转成褐色。褐变可见之前，受损组织的细胞结构和水分状态已经改变，这种变化会先出现在近红外反射里。研究里常见的做法，是在受压后的早期阶段采集高光谱，把已知受损与完好区域的光谱当作标签，训练分类模型去标出可疑区域。标签的来源也值得说一句：拍完光谱的果子不能立刻分选，要继续存放，等褐变显现之后，再回头把当初对应位置的早期光谱标为“受损”。没有这一步事后回标，模型学到的只是当天肉眼能看到的差别，早期信号根本没有被标注过。
这条路有三个边界。光只能进入表层和浅层组织，看到的并不等于整颗果肉；球形果实边缘偏暗、局部镜面反光都会污染曲线，需要预处理或者改光源；品种、受损时间和果面温度一变，同一种损伤的光谱表现也会变。所以这类模型交出的应当是“可疑区域”，去触发复检或分流，而不是直接宣布这颗梨有内伤。内部品质变化的更多线索，可以接着读水果内部品质与光谱的关系。
多出来的信息要付什么代价
光谱自己不会说糖度偏低。它需要理化标签来标定：糖度计读数、硬度、干物质含量、破坏性微生物检测，每一个标签背后都是一颗真实被测过的样品。一个立方体有几百个波段，存储、传输和推理都比 RGB 重得多，在高速分选线上这会直接吃掉时间预算；窄波段进光量小，对光源强度和稳定性要求更高，白板校正要定期做，设备成本也是另一个量级。
最常见的失败出现在换场景之后：在一个季节、一个品种上标定的模型，换了季节或产线就掉分。数据多到成为负担时，可以先压缩到十几个波长，思路见关键波长筛选一篇。
什么时候仍然选 RGB，什么时候两者叠加
缺陷在 RGB 图上肉眼可见，就不必为高光谱多付钱。更常见的组合是两级：RGB 线先做外观分级与明显缺陷，只把可疑的一小部分送到光谱工位复查。假设每 100 个产品里有 10 个被送去复查（示意），光谱设备只需要按十分之一的吞吐设计，成本和算力压力都会小很多。三种传感器的分工，RGB、高光谱与近红外的区别里有一张完整的对照表。
决定采购之前，可以先把下面几件事做完：
- 先用现有 RGB 图做上限测试：如果人眼在图上就能分开，暂时不要买光谱设备。
- 标签必须来自独立的实测，不能拿光谱模型自己的输出当标签。
- 留出独立批次或独立季节做验证；分类看漏检率与误剔率，回归看 R²、RMSEP 与 RPD。
- 规定白板校正频率，并监控参考板读数的漂移。
- 估算成本：多检出的问题产品价值，能否覆盖设备、标定与维护投入。
如果一个问题在 RGB 图上分不开，又必须在采后早期判断，高光谱才值得投入；如果全谱数据下的回归指标都上不去，该回头检查的是标签和样品，而不是再加波段。