Videometer多光譜成像系統的原理
多光譜成像技術是基于成像學和光譜學發展起來的一門新興技術，它作為一種分析工具，可應用于包括生物醫學在內的很多不同的研究領域。多種熒光同時標記時，經過單色光的激發，其多種熒光信號混雜在一起，通過液晶可調諧濾光片對所需波長光進行濾過和電荷藕合元件的采集，然后經信號解混系統將采集到的多種混雜的光解混，經過信號輸出和顯示，可直觀地觀察到不同顏色標記的生物樣品的不同的成分或定位。多光譜成像和普通成像技術的不同之處，能獲得每張圖像每個像素點的高分辨率的光譜，而不是肉眼所見的紅、藍、綠三色圖像。
研究生物體內復雜的生物過程，最直觀的方法就是成像技術，如免疫組化、熒光原位雜交技術、細胞成像技術以及活體動物體內成像技術等。由于自發熒光以及光譜重疊的干擾，這些成像方法都只能用一種染料標記特定分子進行成像，即便通過熒光共振能量轉移來研究分子問的相互作用，也只能同時有兩種染料標記，且無法消除光譜重疊的干擾。生物體內過程的復雜性決定了單色成像用于生物醫學研究的局限性，特別是人類基因組計劃完成后，研究進入后基因組時代，更加注重基因表達和蛋白質功能信號通路的研究，這些核酸和蛋白質復雜多樣在體內行使著多種多樣的功能。隨著成像學和光譜學的發展，使得圖像被解混成為可能，多種染料標記不同的生物分子，即使存在非常明顯的光譜重疊，通過光譜解混也能將每種光學信號彼此分離開。
Videometer多光譜成像系統測定草莓
VideometerLab 4多光譜測量系統在波長405–970 nm范圍內有9個波段，用來對草莓果實硬度、可溶性固形物(TSS) 含量以及成熟階段進行評估。研究采用了7中分析方法，包括偏最小二乘法、支持向量機法(SVM)以及BP神經網絡（BPNN）來構建模型用以預測完好草莓果實的硬度以及TSS。與 PLS和SVM方法相比，BPNN法顯著提升了多光譜系統預測硬度以及總可溶性固形物含量的性能，相關系數(r) 分別為0.94和 0.83, SEP 為0.375和0.573, 偏差為 0.035 和0.056。戶做自己的特定分析?？紤]到VideometerLab 4 portable可能需要經常帶到溫室、野外或其它地方進行測量，因此它被設計成可快速打包的樣式。
隨后使用SVM和主成分分析-BP神經網絡法來檢測了多光譜成像技術區分水果成熟階段的能力。使用SVM模型獲取了精度高達99%的分類精度。另外，所有模型結構顯示光譜VIS可見光部分光譜是測定硬度、估算TSS含量以及鑒別成熟階段的主要因素。結果表明，多光成像技術配合恰當的分析模型，是前景的快速估算草莓品質特性以及鑒別其成熟階段的技術。
