在推動農業智能化與食品安全監測的前沿研究中，貴州大學資源利用與植物保護專業團隊成功構建了一套基于多光譜成像與卷積神經網絡的辣椒農藥消解動態可視化監測體系。該研究的核心數據采集環節，由彩譜科技高光譜相機FigSpec FS-23 全程支持，為實現農藥殘留的快速、無損、動態可視化檢測提供了堅實的技術基礎。

傳統農藥殘留檢測方法如色譜法、質譜法等雖精度高，但樣品處理復雜、耗時較長，難以實現動態實時監測。本研究創新性地引入彩譜科技FigSpec FS-23高光譜相機，對辣椒葉片進行高精度光譜成像，獲取400–1000 nm范圍內300個波段的高光譜數據，為后續特征波長提取與模型構建奠定了數據基礎。

研究團隊通過高光譜成像系統采集噴施不同種類與濃度農藥的辣椒葉片圖像，結合多元散射校正（MSC）、Savitzky-Golay平滑（SG）等預處理算法，顯著提升了光譜數據質量。進一步采用PCA、CARS、SPA等特征波長篩選方法，最終確定了戊唑醇和噻菌酯在500–600 nm與700–800 nm范圍內的特征波段，并據此配置多光譜濾光片，實現低成本、高效率的農藥殘留可視化監測。

在模型構建方面，團隊創新提出 1D CNN-LSTM 農殘追憶算法，與XGBoost、SVM、RF等傳統機器學習模型及DNN、BPNN等深度學習模型相比，在農藥種類與濃度識別中表現最優，分類準確率接近100%。通過14天連續監測，該模型預測結果與實際LC-MS檢測數據高度吻合（R2=0.845），實現了農藥消解動態的精準預測。

該研究不僅為辣椒農藥殘留的實時、無損、快速檢測提供了全新方案，也為未來開發田間便攜式多光譜監測設備奠定了技術基礎。彩譜科技FigSpec FS-23高光譜相機以其高分辨率、高穩定性和強環境適應性，為農業遙感與精準植保提供了可靠的技術支撐，助力智慧農業與食品安全監測邁向新臺階。

未來，研究團隊將進一步推動該技術向田間應用轉化，開發基于手機端的便攜式光譜成像設備，實現農藥殘留的實時田間監測，為農藥合理使用與蔬菜安全采收提供科學依據。

（論文全文可通過https://www.cnki.net搜索《基于多光譜和卷積神經網絡的辣椒農藥消解動態可視化監測體系的構建》進行閱讀）