近日，中国热科院信息所联合华中农业大学信息学院在木薯块根直链淀粉品质智能检测领域创新提出了一种基于光谱分析与光谱重建的木薯块根直链淀粉切片分级框架，破解传统高光谱检测成本高、光谱数据冗余、模型可解释性差等问题，为木薯块根直链淀粉性状高通量表型检测与品质精准分级提供低成本、可解释的全新技术方案。

        木薯是重要的热带经济作物，块根直链淀粉含量是决定其淀粉品质、加工用途的核心指标。传统高光谱成像检测设备昂贵、数据处理复杂，难以规模化应用，制约木薯品质选育与产业化分级。该研究融合高光谱反射分析、可解释机器学习与RGB特定波段光谱重构技术，构建了全新的木薯块根直链淀粉分级体系。研究采集400—1035nm共300个波段的木薯块根高光谱图像，利用Otsu自适应阈值与SegFormer语义分割剥离薯皮、提取薯肉光谱信息，结合碘-二甲基亚砜分光光度法测定样品直链淀粉含量，建立低、中、高三级含量分级标准。经交叉验证，XGBoost模型分级准确率可达83.99%，综合性能最优；利用SHAP法量筛选得到10个关键近红外特征波长。研究进一步搭建RGB-特征波段光谱重构网络，以普通RGB图像反演目标光谱，重构光谱平均相对绝对误差为0.0697，峰值信噪比26.57dB；基于重构光谱的分级准确率达71.75%，较传统RGB纹理特征提升16.87个百分点。该技术为木薯块根高通量低成本智能检测提供新的思路，助力木薯种质筛选与淀粉产业提质增效。

木薯块根营养品质检测与分类的高光谱分析框架整体技术流程

木薯块根的光谱反射特征及其预处理

基于 SHAP 的木薯直链淀粉分类多模型特征重要性及贡献分析

木薯块根高光谱图像重构的定量与定性评价

        该研究成果以“Slice-based grading of cassava storage roots by amylose content using hyperspectral analysis and RGB-to-hyperspectral reconstruction”为题发表于《Smart Agricultural Technology》。中国热科院信息所魏艳副研究员、华中农业大学陈永琦博士为共同第一作者，中国热科院信息所叶剑秋研究员、华中农业大学冯慧副教授为共同通讯作者。研究得到海南省唐华俊院士工作站运行经费、中国热带农业科学院国家热带农业科学中心科技创新工程项目、海南省自然科学基金面上项目的资助。

        论文链接：

        https://www.sciencedirect.com/science/article/pii/S2772375526008270