En este estudio, se aplicó una cámara hiperespectral de 900-1700nm y FS-15, el producto de Hangzhou Color Spectrum Technology Co., LTD., podría usarse para investigaciones relacionadas.La cámara hiperespectral de infrarrojo cercano de onda corta, la velocidad de adquisición del espectro completo de hasta 200FPS, se usa ampliamente en la identificación de composición, identificación de sustancias, visión artificial, calidad de productos agrícolas, detección de pantalla y otros campos.
El tomate es un cultivo de bayas con un sabor único y rico en una variedad de nutrientes, que incluyen glutatión, vitaminas, licopeno, betacaroteno y otros ingredientes bioactivos, y tiene un alto valor alimenticio.Con el rápido desarrollo de la economía global, la demanda de tomates y productos de procesamiento de tomates en el mercado de consumo está aumentando.El tomate también se ha convertido en uno de los cultivos hortícolas y frutales más cultivados y consumidos en el mundo.Además, con la mejora general del nivel de vida de las personas, la calidad interna, la calidad de la apariencia, la calidad del almacenamiento y el transporte y el excelente sabor de los tomates se han vuelto cada vez más importantes para los consumidores, y la industria del tomate de China también enfrenta nuevos desafíos y oportunidades. .Según la encuesta, la madurez y la calidad de almacenamiento de los tomates son muy importantes para la industria del tomate, y los consumidores están más preocupados por la calidad interna de los tomates cherry, así como por su excelente sabor y sabor.Con base en el desarrollo y la aplicación de big data, se realizan la siembra automática, la recolección mecanizada y la clasificación inteligente de tomates para lograr una mayor producción y eficiencia de tomates.En la actualidad, se han realizado algunas investigaciones sobre la detección de la calidad del tomate basada en el espectro en el país y en el extranjero, pero en los modelos de detección de la calidad del tomate existentes, la extracción de información espectral efectiva sigue siendo una dificultad de investigación, y la detección de la calidad interna del tomate a través de métodos apropiados. queda por estudiar los métodos de ensayo no destructivos.
En el estudio de detección no destructiva del contenido de sólidos solubles de tomates cherry basado en tecnología de imágenes hiperespectrales, se seleccionaron 191 tomates cherry como objetos de investigación, se recopilaron datos de imágenes hiperespectrales en el rango de 865,11~1711,71 nm y la región de interés de La imagen hiperespectral de los tomates cherry fue segmentada por el algoritmo K-means.El espectro promedio de esta región se extrajo como los datos espectrales originales del tomate cherry.MA y MSC se usaron para preprocesar los datos espectrales originales, y las muestras de tomate cherry se dividieron en conjuntos de entrenamiento y conjuntos de prueba basados en el algoritmo KS.Con el fin de mejorar la eficacia de la información contenida en la banda característica, el algoritmo SPA y el algoritmo PCA se combinaron para realizar un análisis de componentes principales en los datos espectrales y luego se compararon con los algoritmos PCA y miRF, un modelo de detección SSC basado en PLSR de cereza. Se estableció el tomate y el modelo se verificó mediante los datos del conjunto de prueba.Los resultados muestran que la precisión de detección del modelo basado en el componente principal extraído por SPA-PCA obviamente está optimizada.De los resultados de detección de los modelos, entre los tres modelos, el modelo SPA-PCA-PLSR tiene el mejor efecto de detección, R, 0.9039.El efecto de detección del modelo miRF-PLSR fue el segundo, RF fue 0.8878.El efecto de ajuste del modelo PCA-PLSR es el peor.