Гиперспектральный анализ представляет собой неинвазивный метод, способствующий снижению потерь и повышению качества плодов за счет эффективной идентификации дефектов при сортировке. Ключевым условием получения достоверных данных является стабильное и равномерное освещение, обеспечиваемое специализированными источниками с контролируемым спектром. Интеграция таких систем в автоматизированные линии снижает влияние человеческого фактора, повышает производительность и способствует устойчивому развитию аграрного сектора. (Цель исследования) Обосновать параметры гиперспектрометра и источника света в системе освещения. (Материалы и методы) Использовали модуль оптической идентификации, представляющий собой систему из шаговых двигателей, реечных и винтовых передач с подшипниками, стол с резиновыми валиками, скорость которых регулируется с помощью трехфазного двигателя, запитанного через частотный преобразователь. Подвеска стенда может перемещаться горизонтально и вертикально с заданной скоростью. Для сбора и обработки информации во время сканирования использовались программы SpecGrabber и CubeCreator, благодаря чему в дальнейшем полученные снимки возможно было анализировать в программе Gelion. (Результаты и обсуждение) Выбран гиперспектрометр в модуле идентификации. Определены основные источники света в системе освещения. (Выводы) Мощность светового потока, полученная в результате расчетов и равная 934 ватта на квадратный метр, соответствует чувствительности CMOS-детектора от 100-1500 ватт на квадратный метр, Это значит, что камера сможет фиксировать гиперспектральные данные при заданных экспозиции и освещенности. Для системы освещения в модуле необходимо установить четыре галогеновые лампы, что соответствует уровню освещенности 3010 люксов. При данном уровне освещенности были получены достоверные графики спектра здоровой и пораженной болезнью областей, а также низкий показатель экспозиции кадра спектрометра 2,1 миллисекунды, что повлияло на время сканирование, которое оказалось менее, чем 2 секунды.