易科泰推出植物天然活性物质和次生代谢产物无损高光谱成像Spectrascan检测方案，并提供SpectrAPP光谱成像技术创新应用项目合作与技术服务。

• 国际著名Specim高光谱成像技术，可选配VISIR（400-1000nm）可见光近红外波段、SWIR（900-1700nm或1000-2500nm）短波红外波段、MWIR中波红外波段、LWIR长波红外波段高光谱成像
• 自主设计研发3D扫描平台，集多镜头成像、高精度移动扫描、光源控制、远程无线控制于一体，可根据不同需求定制规格大小
• 专为科研及商业应用领域设计，满足实验室检测鉴定和工业应用的需求，可根据客户需求定制样品自动化品质检测系统，自动传送样品、自动采集高光谱成像数据、在线检测（需客户定制）
• 可选配多光谱荧光成像分析，高通量非损伤定量化分析茎叶及根生中药材叶绿素、花青素、胡萝卜素、阿维酸、酚类、芪类、类黄酮、槲皮素等总量（下图为银杏叶化学成分做图，SpectrAPP项目）

• 自动化数据采集分析系统，可选配软件及数据分析服务器
• 模块化设计，友好的PC端GUI软件界面，用户可实现远程操控
• 可选配SisuCHEMA高光谱化学成像分析平台，样品最大可达200x300x45mm，最大分辨率可达30微米，10毫米或更小的样品
• 可选配PhenoTron-YZ扫描平台，对植株顶部和侧面（Z轴）全方位成像分析全自动样带式扫描（Y轴）成像，可同时对多盆植株成像分析，还可对样品盘内的根系、叶片、果实、种子进行高通量成像分析
• 可选配IQ智能高光谱成像仪或PhenoPlot轻便型光谱成像技术方案，用于野外植株、果实、中草药等性状检测、品质识别鉴定等

    次生代谢产物(Secondary metabolites)是由次生代谢(Secondary metablism)产生的一类细胞生命活动或植物生长发育正常运行的非必需的小分子有机化合物（如萜类、黄酮、生物碱、甾体、木质素、矿物质等）。这些天然活性物质往往是许多药用植物发挥药性的有效成分，或具有明显的抗氧化、补充营养素等保健作用，因此近年来愈发受到消费者的追捧和研究人员的重视。但由于次生代谢产物积累与生长环境条件需求方面存在矛盾，如何兼顾产量与品质成为了种植上的难题。另外考虑到次生代谢产物的不稳定性，在食品、保健品的加工过程中，快速检测有效物质的含量以随时调控加工工艺、减少营养成分的损耗的相关研究也具有极高的工业应用价值。易科泰SpectrAPP光谱成像创新项目在食品和药用植物天然活性成分领域有丰富的研究和合作经验，可以为上述多场景的次生代谢产物含量监测提供快速无损的定制化配置方案。

案例一：监测苹果片烘干过程中的品质变化

    将新鲜农产品脱水制成干货是延长其赏味期的常用加工方式之一，其中热风烘干是最主流的食品干燥工艺。在评价水果和蔬菜品质常用的各项标准中，以维生素C(抗坏血酸)为例，它是人们日常饮食中的重要营养物质，可以有效的降低癌症、黄斑变性及心脑血管系统的患病风险，但维生素C对温度敏感极易氧化分解，因此在实际生产过程中，使用无损检测的方法监测不同温度条件下的营养成分含量对于控制食品品质至关重要。

基于1450nm的高光谱数据预测50 ◦C烘干的不同苹果切片可溶性固形物分布图

（括号里的数据为可溶性固形物含量）

    德国科学家使用400-1700nm的高光谱成像设备，结合高斯过程回归模型分析数据，对不同烘干程度苹果片的维生素C、含水量、可溶性固形物、收缩率等指标进行预测，结果表明实际测量值与高光谱成像数据拟合模型R2均达到了0.93以上。除此结果外，该研究还对高光谱数据提取特征波段980nm和1450nm重新拟合了各参数，得到了几乎相同精度的预测结果，证明了高光谱成像数据可降维用于食品加工行业的品质监测。

案例二：检测泥煤烘干大麦芽中的酚类风味化合物

    酚类化合物广泛存在于自然界中，是许多植物散发特殊香味的主要成分。食物中的酚类衍生物经加工发生反应，会影响最终产品的口味、颜色等特性，同时还有大量研究表明酚类物质具有抗氧化、抗炎症等保健作用。以苏格兰威士忌特殊的烟熏风味为例，经过泥煤烘烤的大麦芽中的酚类物质在其中扮演了重要的角色。

    英国思克莱德大学和苏格兰威士忌研究中心的科研人员使用1000-2500nm的短波红外高光谱成像，对未泥煤烘干——重度泥煤烘干的不同梯度大麦芽样品中的全酚含量进行了检测，麦芽样品包含全酚含量: 0, 3.8, 8.2, 12.5, 15.5, 20.5, 30, 40, 50 and 124.5 ppm的10个梯度，使用高光谱数据对以上梯度进行分类精度达到了99.8%，如能进一步测试和训练相关模型，高光谱成像技术有极大潜力用于工业生产上酚类物质检测。

左图：推扫式高光谱成像流程简图

右图：1483nm波段像素图、实测分类图与预测分类图

案例三：无损预测黑米中的花色苷含量

    花色苷是一种水溶性黄酮类化合物，具有显著的自由基清除能力和抗氧化能力，在医药保健领域和食品加工行业有极为广泛的应用，也是很多传统中草药的有效活性成分。黑米中富含的花色苷主要以芍药色素葡萄糖苷(Pn3G)和矢车菊素-3-O-葡萄糖苷（C3G）的形式存在，含量易受品种、营养条件及收货时的成熟度等因素影响。有研究发现，虽然花色苷在整个黑米中都有分布，但大部分都集中与种子表面，麸皮中花色苷的含量最高可达种胚的15倍之多，因此非常适合使用高光谱成像技术进行无损检测。

    韩国全南大学的科研人员使用近红外波段的高光谱成像扫描了不同花色苷浓度的黑米粉末和种子，并结合高效液相色谱仪（HPLC）测定浓度数值对获取的高光谱数据进行统计学分析，统计结果显示，对黑米粉末进行预测的模型的相关系数(R2)可达到0.85以上，而对黑米种子进行预测的模型相关系数(R2)可达到0.92以上，该结果有力的证明了高光谱成像技术用于黑米种子品质在线分选的潜力。

黑米粉末（A）和种子（B）的花色苷浓度预测分布图

案例四：预测青椒的辛辣程度

   辣椒素是辣椒特有的次级代谢产物，在医药、化工食品和军事领域均有广泛的应用。青椒的辛辣程度主要是由辣椒碱和二氢辣椒碱含量决定的。为了快速无损评估对青椒的辛辣程度，对辣椒碱和二氢辣椒碱浓度进行预测，韩国全南大学的科研人员使用高光谱成像技术对不同品种的青椒进行了研究。

   左：1000-1600nm波段高中低辛辣程度青椒的平均光谱曲线

右：1000-1600nm波段高中低辛辣程度青椒二阶导数曲线

    实验共计扫描了3个品种的200个青椒样品，经分析后选取1000-1600nm为主要特征波段，结合高效液相色谱仪（HPLC）测定浓度数值，辣椒碱和二氢辣椒碱的高光谱预测模型相关系数分别为0.86和0.59. 除此结果外，该实验还对光谱数据进行了降维处理，仅选取其中16个最优波段进行拟合，相关系数分别为辣椒碱0.88和二氢辣椒碱0.68。据该模型对青椒样品做预测图，可以得到次生代谢产物的空间分布信息。

左：青椒中辣椒碱的预测分布图 右：青椒中二氢辣椒碱的预测分布图

参考文献：

1. Arman Arefi, Barbara Sturm, Gardis von Gersdorff, Abozar Nasirahmadi, Oliver Hensel,

Vis-NIR hyperspectral imaging along with Gaussian process regression to monitor quality attributes of apple slices during drying,LWT,Volume 152,2021,112297,ISSN 0023-6438, https://doi.org/10.1016/j.lwt.2021.112297.

2. Tschannerl, Julius & Ren, Jinchang & Jack, Frances & Krause, Julius & Zhao, Huimin & Huang, Wenjiang & Marshall, Stephen. (2019). Potential of UV and SWIR hyperspectral imaging for determination of levels of phenolic flavour compounds in peated barley malt. Food chemistry. 270. 105-112. 10.1016/j.foodchem.2018.07.089.

3. Amanah, Hanim & Wakholi, Collins & Perez, Mukasa & Faqeerzada, M . Akbar & Tunny, Salma & Masithoh, Rudiati & Choung, Myoung-Gun & Lee, Wang-Hee & Cho, Byoung-Kwan. (2021). Near-Infrared Hyperspectral Imaging (NIR-HSI) for Nondestructive Prediction of Anthocyanins Content in Black Rice Seeds. Applied Sciences. 11. 4841. 10.3390/app11114841.

4. Rahman, Anisur & Lee, Hoonsoo & Kim, moon seok & Cho, Byoung-Kwan. (2018). Mapping the Pungency of Green Pepper Using Hyperspectral Imaging. Food Analytical Methods. 11. 10.1007/s12161-018-1275-1.