纵横国际食品质检栏目研究的是：食品与农产品在分选、加工和入库环节，怎样用机器视觉、高光谱成像和近红外光谱判断外观、缺陷、异物、成熟度、霉变与内部品质。这里不谈概念口号，而是讲三类传感方式各自能看到什么、内部品质的变化怎样在光谱里留下线索，以及检测模型从实验室搬到工厂以后准确率为什么会变。读完你能得到的，是选型时该问的问题、上线前该验的指标，以及光谱与视觉暂时做不到的事情。
纵横国际食品质检栏目只回答一个实际问题：手里这条线、这类产品，该用 RGB 相机、近红外光谱还是高光谱，以及模型上线以后怎样避免准确率悄悄下滑。三篇文章按“看到什么、测得出什么、放到现场稳不稳”排成一条线。
建议先读RGB、高光谱与近红外的区别。这篇用一张对照表讲清三种传感方式在采集那一步拿到的信息就不同，算法补不出传感器没有记录的内容，所以选型要在调模型之前做。接着读水果内部品质怎样在光谱里留下线索，它讲水分吸收带、数据流和标定，重点是光谱模型必须靠糖度计、硬度计这类破坏性数据来标定。最后读模型从实验室搬到工厂后的变化：光照、相机、运动模糊、批次与标注一致性等六项排查，加上验收时该看的漏检率与误剔率。顺序反过来，很容易在还没弄清任务能不能被测出来的时候，就先去优化模型。
栏目也有明确的边界。这里不给通用的准确率数字，也不替你选设备型号；金属、玻璃等硬质异物通常另用金属探测器或 X 射线，不在三种技术的讨论范围内；某批食品有没有风险、供应商该不该多抽检，属于食品安全栏目的问题。产线速度问题见首页高速分选线来不来得及；几百个波段怎样压缩成十几个关键波长，见首页第三篇。
每篇文章都有独立页面，标题下方为发布日期与实质摘要。
RGB 机器视觉、高光谱成像和近红外光谱拿到的信息并不相同：RGB 只有颜色、形状和纹理，擅长外观分级、表面缺陷与异物；高光谱为每个像素记录一条光谱，能兼顾成熟度、早期霉变与成分分布，但数据量大、需要标定；近红外光谱多为单点测量，适合糖度、水分等组分的在线读数。本文用一张对照表说明怎样按任务选型，并给出产线上组合使用的思路。
阅读全文 →水果表面看不出问题时，内部品质的变化可能已经写进了光谱：水在近红外区约 970、1200、1450 nm 有吸收带，早期瘀伤与成熟过程会改变水分分布和细胞结构，进而改变吸收与散射。文章按机理、数据流、标定和现实局限四步讲清楚：从采集、白暗参考校正、预处理、建模到独立批次验证，光谱模型必须靠糖度计、硬度计、干物质等破坏性数据标定，还会遇到品种与季节漂移，关键波长筛选也不会让任务变简单。
阅读全文 →食品检测模型在离线测试集上表现很好，上线后准确率却常常下滑，原因多半是域偏移，而不是算法本身出了错。文章按“现象、可能原因、做法”列出六项排查清单：光照、相机、传送带速度与运动模糊、产品与批次变化、校准与漂移、标注一致性，并引用 2026 年传送带苹果分选研究和多模态综述里的多站点采样与漂移监控思路，最后给出上线验收应当看的漏检率、误剔率与分批次统计。
阅读全文 →与本栏目主题相近的首页重点文章，每篇都有完整内页。
请留下您的联系方式，我们会尽快与您联系。
