Neste estudo, uma câmera hiperespectral de 900-1700 nm foi aplicada e o FS-15, produto da Hangzhou Color Spectrum Technology Co., LTD., pode ser usado para pesquisas relacionadas.A câmera hiperespectral infravermelha de ondas curtas, a velocidade de aquisição do espectro total de até 200FPS, é amplamente utilizada na identificação de composição, identificação de substâncias, visão de máquina, qualidade de produtos agrícolas, detecção de tela e outros campos.
O tomate é uma cultura de baga com um sabor único e rico em uma variedade de nutrientes, incluindo glutationa, vitaminas, licopeno, beta-caroteno e outros ingredientes bioativos, e tem alto valor alimentício.Com o rápido desenvolvimento da economia global, a demanda por tomates e produtos de processamento de tomate no mercado consumidor está aumentando.O tomate também se tornou uma das hortaliças e frutas mais cultivadas e consumidas no mundo.Além disso, com a melhoria geral dos padrões de vida das pessoas, a qualidade interna, a qualidade da aparência, a qualidade de armazenamento e transporte e o excelente sabor e sabor dos tomates tornaram-se cada vez mais importantes para os consumidores, e a indústria de tomate da China também está enfrentando novos desafios e oportunidades .De acordo com a pesquisa, a maturidade e a qualidade de armazenamento dos tomates são muito importantes para a indústria de tomate, e a qualidade interna dos tomates cereja, bem como o excelente sabor e sabor, são as mais preocupadas pelos consumidores.Com base no desenvolvimento e aplicação de big data, plantio automático, colheita mecanizada e classificação inteligente de tomates são realizados para alcançar maior produção e eficiência de tomates.Atualmente, existem algumas pesquisas sobre a detecção da qualidade do tomate com base no espectro no país e no exterior, mas nos modelos existentes de detecção da qualidade do tomate, a extração de informações espectrais efetivas ainda é uma dificuldade de pesquisa e a detecção da qualidade interna do tomate por meio de métodos de teste não destrutivos ainda precisam ser estudados.
No estudo da detecção não destrutiva do conteúdo sólido solúvel de tomate cereja com base na tecnologia de imagem hiperespectral, 191 tomates cereja foram selecionados como objetos de pesquisa, dados de imagem hiperespectral na faixa de 865,11 ~ 1711,71 nm foram coletados e a região de interesse de A imagem hiperespectral do tomate cereja foi segmentada pelo algoritmo K-means.O espectro médio desta região foi extraído como os dados espectrais originais do tomate cereja.MA e MSC foram usados para pré-processar os dados espectrais originais, e as amostras de tomate cereja foram divididas em conjuntos de treinamento e conjuntos de teste com base no algoritmo KS.A fim de melhorar a eficácia das informações contidas na banda característica, o algoritmo SPA e o algoritmo PCA foram combinados para realizar a análise de componentes principais nos dados espectrais e, em seguida, comparados com os algoritmos PCA e miRF, um modelo de detecção SSC baseado em PLSR de Cherry tomato foi estabelecido e o modelo foi verificado pelos dados do conjunto de teste.Os resultados mostram que a precisão de detecção do modelo baseado no componente principal extraído pelo SPA-PCA é obviamente otimizada.A partir dos resultados de detecção dos modelos, entre os três modelos, o modelo SPA-PCA-PLSR tem o melhor efeito de detecção, R, 0,9039.O efeito de detecção do modelo miRF-PLSR foi o segundo, RF foi de 0,8878.O efeito de ajuste do modelo PCA-PLSR é o pior.