基于高光谱成像技术的番茄内部品质检测方法研究

来源：中国农机化学报杂志2026年第4期北京时间：

作者：武阳阳, 杜鹏飞, 高欣娜, 杨英茹, 李海杰, 黄媛

单位：1. 石家庄市农林科学研究院，石家庄市，050041； 2. 石家庄市农业信息化工程技术创新中心，石家庄市，050041； 3. 河北省都市农业技术创新中心，石家庄市，050041；4.石家庄市农业信息感知与智能控制重点实验室，石家庄市，050041

摘要：为实现快速、无损且精确的番茄内部品质检测，给农产品质量评估提供更高效的技术手段，基于高光谱成像技术与机器学习方法，提出番茄可溶性固形物含量（SSC）的无损检测新方法。采集样品的高光谱数据，采用多元散射校正（MSC）、标准正态变换（SNV）、Z—Score标准化和Min—Max归一化4种方法进行预处理，建立对应的PLSR模型，得到基于Min—Max归一化预处理建立的PLSR模型效果最好，RPD提升到3.2824，RMSE为0.4253。利用SPA、CARS和UVE算法对Min—Max归一预处理后的光谱数据进行特征变量提取，最终提取到的特征变量数分别为27个、33个和88个。基于3种特征提取方法分别建立PLSR、BPNN和SVMR的番茄SSC预测模型。结果表明：番茄内部品质中的可溶性固形物含量使用SPA—SVMR模型预测效果最佳，对应的校正集决定系数Rc²和预测集决定系数Rp²分别达到0.6454、0.6050，校正集均方根误差RMSEC和预测集均方根误差RMSEP分别为0.3342、0.4019，预测集残差预测偏差RPD为3.9588。采用高光谱技术与机器学习结合可实现对番茄内部品质的快速无损预测分析。

关键词：高光谱成像技术,机器学习,番茄,无损检测,可溶性固形物

基金资助：河北省农业科技成果转化资金项目（2025JNZ—A11）；石家庄市农业信息化技术创新中心绩效后补助项目（247790759A）；石家庄市科技计划项目（231490361）