高光谱成像技术可获取被测对象光谱信息和 波长图像信息。该技术检测马铃薯内外部品质研究 已有报道。Dacal-Nieto 等应用高光谱成像技术无损 检测马铃薯空心病[3]。Rady 等提出高光谱成像技术 快速检测马铃薯含糖量可行[4]。Jiang 等基于高光谱 成像技术检测马铃薯中淀粉含量，效果良好[5]。周竹 等应用高光谱图像系统、透射光谱系统和傅立叶变 换近红外光谱仪检测马铃薯黑心病，表明光谱检 测马铃薯黑心病，高光谱成像系统高于傅立叶变 换成像[6]。苏文浩等应用高光谱技术结合图像处理 方法检测马铃薯外部缺陷，表明正确识别率达 82.5% 。 [7] 周竹等应用高光谱技术检测马铃薯干物 质含量[8]。吴辰等应用高光谱成像技术快速检测马 铃薯淀粉含量取得较好效果，验证模型相关系数 和均方根误差分别为 0.982 和 0.249[9]。金瑞等基于 高光谱图像和光谱信息融合技术可同时识别马铃薯 多种缺陷指标，混合识别率达 96.58%[10]。由于高光 谱具有较高分辨率，导致大量冗余信息存在于原始 光谱信息中。因此，利用高光谱数据定量分析前压 缩光谱信息尤为必要。
图像；Id-黑色图像。
1.4 数据预处理
为减弱或消除基线漂移、散射等非目标因素
对光谱影响，对高光谱成像仪采集光谱预处理 。 [13]
分别对原始光谱采用平滑 13 点、最大值归一化、基
线校正、正交信号校正和标准化等预处理，并依次
比较原始光谱和预处理后光谱对定标模型影响，以
系数最大、均方根误差最小原则，确定预处理方
共制备 238 个样本，比色法测定马铃薯还原糖含量，选择 190 个样本作校正集，48 个样本作验证集，与全光谱和经
典变量提取方法比较。结果表明，CARS-SPA 算法筛选波段效果最佳，相比于全谱建模其参与建模波长点由 203 个
