AI-Based RGB Imaging and 14-Channel Multispectral Food Quality Scanner

食品质量评估在食品安全、农产品加工、储运和供应链管理中发挥着重要作用。传统检测方法依赖人工目视判断或实验室检测，往往需要较长时间、专用设备和人工投入。近年来，计算机视觉、多光谱传感和人工智能（AI）的发展为自动化、无损食品质量评估提供了新的机遇。本文综述了RGB成像、多光谱传感、机器学习和深度学习在果实成熟度估计、表面缺陷检测、谷物分类和食品真实性评估中的应用。所综述的文献表明，RGB成像能够提取颜色、形状和纹理等可见特征，而多光谱传感则可提供与食品特性相关的波长依赖信息。已发表研究在番茄成熟度分类、苹果缺陷检测、稻米籽粒分析和蜂蜜掺假筛查等方面取得了良好结果。基于上述研究结果，本文提出一种集成了RGB相机、14通道多光谱传感器、受控照明和嵌入式处理单元的紧凑型食品质量扫描仪。综述讨论了传感器集成、数据预处理、特征融合、分类方法、评价指标和实现挑战，并指出需要更广泛的数据集、标准化照明、独立验证和资源高效的AI模型，以提高便携式食品检测系统的可靠性。