高谱成像技术通过可见光（400-1000nm）和近红外（900-1700nm）高光谱相机，成功区分人参主根与根须。测试表明，两者在光谱反射率、水分吸收等特征上差异显著，机器学习算法可实现高效分类。在400-1000nm波段，主根反射率高且具有红边效应；900-1700nm波段则显示主根水分和细胞壁成分更丰富。算法对比显示，近红外波段识别效果更优。该技术有望应用于中药材分级、真伪鉴别及在线检测，推动

深度学习与高光谱成像的融合，使工业视觉从过去的“看见物体”迈向“理解材料”。它不仅提升了自动分拣的效率和准确率，更为智能制造、绿色回收和循环经济提供了新的技术路径。未来，随着高光谱传感器成本下降以及AI算法持续优化，多材质同步智能分拣系统将成为工业自动化的重要基础设施。

山东大学联合团队发布显微高光谱病理数据集HSPath-Bench 山东大学、齐鲁医院等机构联合发表论文，构建了首个面向头颈癌免疫组化的显微高光谱公开数据集HSPath-Bench，包含60万+像素级标注样本。研究提出最大质量波段选择（M²BS）算法与自适应局部-全局特征融合（ALGFF）网络，在极少量标注样本下实现高精度分类，显著优于主流方法。杭州高谱成像的HY-5010-S显微高光谱系统为数据采

摘要：浙江农林大学与浙江大学科研团队在《Microchemical Journal》发表研究，提出了一种融合3D-2DCNN与通道注意力机制(3D-2DCNN-CA)的深度学习模型，成功实现对山核桃及其近缘树种的高精度分类。该研究利用无人机高光谱影像(300波段)，通过协同提取空间-光谱特征，解决了同属树种光谱相似性难题，总体分类精度达99.38%，品种间分类精度达93.97%。相比传统RGB影像