一颗苹果甜不甜，一穗葡萄有没有内部霉变，一粒花生是不是被虫蛀过------这些问题，过去要靠人的眼睛看、嘴巴尝、手去捏，或者是抽样切开化验。分级依赖经验，更依赖运气：外观漂亮的未必好吃，看起来完好的果子，里面可能已经悄悄褐变。
光谱相机的出现，正在把这种"凭感觉"的分级方式，变成一门可测量、可量化、可在线执行的科学。
一、超越肉眼：光谱相机多看到了什么
人眼只感知红、绿、蓝三个波段。高光谱相机能把光拆成几十甚至几百个更窄波段，从可见光延伸到近红外、短波红外。水分、糖、酸、蛋白质、脂肪、叶绿素、花青素等，各有光谱"指纹"；肉眼难见的早期虫眼、皮下碰伤、内部腐烂，也会引起光谱曲线细微变化。它拍下的不是一张普通图片，而是"数据立方体"：每个像素都附一条光谱曲线，既能定位缺陷，也能判断缺陷性质。
二、分级逻辑：它重点判断哪四类指标
在农产品分选线上，光谱相机主要承担四类任务。
第一是外观分级。 大小、形状、颜色、表面缺陷、裂果、锈斑、霉斑，这些活儿 RGB 相机也能干一部分，但光谱相机在异色粒识别、轻微霉变、病斑早期发现上明显更准。比如粮食中的霉变粒，颜色变化可能很轻微，但在特定近红外波段会暴露无遗。
第二是成熟度分级。 果实成熟的过程，本质上是叶绿素降解、类胡萝卜素和花青素积累的过程，这些变化在可见光红边区域（约 680---750 纳米）表现得尤为明显。通过光谱特征，系统可以把番茄、芒果、柑橘分成不同的成熟度等级，而不必靠人"估"。
第三是内在品质分级。 这是光谱相机最有价值的地方。水果的可溶性固形物（糖度）、酸度、硬度、干物质含量，粮食的水分、蛋白质、油脂，肉类的脂肪和嫩度，都可以通过与光谱数据建立数学模型来预测。消费者买到的"糖度 14 度以上"的水果，背后很可能就是光谱分级在把关。
第四是安全筛查。 早期病虫害、虫卵、霉斑、注水肉、异物混入，甚至部分农残风险的间接表征，都可能在光谱数据中留下痕迹。水果的内部褐变、霉心病，谷物内部的虫蚀，往往在病变尚未蔓延到表面时就能被捕捉到------这正是"提前预警"的价值。
三、系统运转：从光谱采集到自动剔除
一套完整的光谱分级系统，通常包括相机、稳定光源、输送与触发机构、计算单元和剔除执行机构。
工作流程大致是：产品经过成像区时，相机采集光谱图像；系统先做标定校正，消除光源和环境的干扰；然后分割出每个农产品的感兴趣区域；对光谱数据做预处理，去除噪声和基线漂移；接着用机器学习模型------从经典的偏最小二乘回归、支持向量机，到如今的深度学习网络------计算糖度、成熟度或缺陷类别；最后联动气阀、拨杆或机械手完成分级剔除。
四、落地实践：水果、烟叶、谷物与种苗
水果品质分级。 高光谱可同步检测多项指标：糖度通过975nm和1200nm特征波段反演；霉心利用1450nm波段识别；碰伤基于680nm表皮色素异常；成熟度结合叶绿素550nm和类胡萝卜素500nm吸收特性。
在行业标准中，中达瑞和参与制定《水果分级标准 猕猴桃》（T/SZNB 028-2025）和《水果分级标准 金柚》（T/SZNB 032-2026），可检测糖度、酸度、水分、瑕疵等28项指标。依托400---1700nm宽波段方案，无需破损取样即可识别水果表皮缺陷、内部霉变、糖度、水分等核心品质。
中达瑞和水果检测
烟叶精准分级。 烟叶分级是烟草行业收购与加工过程中的关键环节。传统方式主要依赖人工感官经验定级，费时费力且难以保证一致性。中达瑞和采用高光谱相机对1-8级烤烟进行光谱采集与分析。不同级别烟叶光谱差异明显，经云平台建模，分级准确率达85%以上；融合光谱成像与AI后，准确率提升至86%以上，三级烟叶识别率达95%，检测效率42片/秒，为烟草行业提供了高效、精准、可定制化的智能化分选方案。
谷物与种苗检测。中达瑞和MAX-G800在高粱霉变检测中，于400---1000nm范围内对霉变组与正常组分别采样，经一阶导数提取特征波段并建模，实现快速无损识别。广东省某农业装备研究所采用中达瑞和高光谱相机，对番茄、黄瓜、小麦等种苗测试，优质种苗识别准确率稳定在95%以上，分选速度较人工提升20倍以上。中达瑞和方案已覆盖种苗分选、作物表型、粮食安全查验、病虫害初筛等场景。
霉变高粱与正常高粱光谱曲线对比图
五、产业价值：从经验判断到数据决策
光谱相机实现无损检测，非接触、无损伤，检测后农产品可正常流通；效率从数十分钟缩短至几秒，适合在线实时检测；检测维度从单一外观扩展为内外品质同步分析；结果基于数据与模型，精准可重复。从产业看，它正推动农产品分级从"经验驱动"转向"数据驱动"。中达瑞和参与标准制定、构建从器件到云平台的完整闭环，表明技术已从实验室走向产业化。随着精度提升与成本降低，光谱相机将在更多品类和产业链环节中发挥作用，为农业标准化和品牌化提供技术底座。