Food Analysis · Hyperspectral · Python + Orange

高光譜資料分析 · Python + Orange

用真實開源食品光譜資料（SpectroFood）走過完整工作流：
光譜指紋 → 預處理 → PCA → 分類 → PLS 迴歸。

1028真實樣本

94.6%PCA 前 2 主成分

100%四食材分類

0.84乾物質 PLS R²

📖 一頁式教學長頁 Teaching Page

高光譜成像食品分析 · 教學長頁

單頁可捲動深度教材：資料立方體與 Vis-NIR、SpectroFood 資料集、SNV 前處理、PCA 分群、SVM／隨機森林分類、PLS 乾物質迴歸，整合真實圖表、Python 程式與 Orange 工作流。

📊 互動教學投影片 Interactive Slides（鍵盤 ← → 翻頁）

高光譜資料分析（中文版）

9 頁 · 資料立方體→PCA→分類→PLS

Hyperspectral Data Analysis (EN)

9 slides · cube→PCA→classify→PLS

🎬 教學影片 Teaching Videos（YouTube）

高光譜資料分析（中文影片）

4 分鐘旁白導覽

Hyperspectral Analysis (English)

4-min narrated walkthrough

完整播放清單：食品化學教學

拉曼·碳水·脂質·高光譜中英 8 支

🔬 可重現分析 Reproducible Analysis

run_analysis.py

scikit-learn · SNV/PCA/SVM/PLS

spectrofood_workflow.ows

Orange + Spectroscopy 工作流

📚 資料來源：SpectroFood 開源資料集（Zenodo 8362947，蘋果/花椰菜/韭蔥/蘑菇 Vis-NIR 光譜 + 乾物質）。所有數字皆由 analysis/run_analysis.py 實際執行產生、可重現（見 results.json）。 4 食材用不同相機量測 → 取共同 141 個可見光波段（398–773nm）公平比較；韭蔥完整光譜延伸至 1717nm 供 PLS 迴歸使用。工具：scikit-learn · spectral · Orange 3 + Orange-Spectroscopy。

高光譜食品分析教學 · Python + Orange Data Mining · 2026