当前位置：首页>石家庄>学术前沿 | 石家庄市农林科学研究院黄媛高级农艺师团队:基于高光谱成像技术的番茄内部品质检测方法研究

学术前沿 | 石家庄市农林科学研究院黄媛高级农艺师团队:基于高光谱成像技术的番茄内部品质检测方法研究

2026-03-25 18:18:59

点击上方蓝字关注我们，了解更多内容

论文基本信息

题目：基于高光谱成像技术的番茄内部品质检测方法研究

作者：武阳阳，杜鹏飞，高欣娜，杨英茹，李海杰，黄媛

第一作者简介：武阳阳，女，1993年生，河北邢台人，硕士，农艺师；研究方向为农业信息化。E-mail: wyncpc@163.com

通讯作者简介：黄媛，女，1986年生，石家庄人，硕士，高级农艺师；研究方向为作物栽培与农业信息化。E-mail: 13494515@qq.com

第一作者单位：石家庄市农林科学研究院

基金项目：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）

引文信息：武阳阳, 杜鹏飞, 高欣娜, 等. 基于高光谱成像技术的番茄内部品质检测方法研究[J]. 中国农机化学报, 2026, 47(4): 205-213.

Wu Yangyang, Du Pengfei, Gao Xinna, et al. Research on the method of detecting the internal quality of tomatoes based on hyperspectral imaging technology [J]. Journal of Chinese Agricultural Mechanization, 2026, 47(4): 205-213.

DOI: 10.13733/j.jcam.issn.2095‑5553.2026.04.029（点击跳转知网阅读）

官网阅读（点击免费获取全文）

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3.282 4，RMSE为0.425 3。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R_c²和预测集决定系数R_p²分别达到0.645 4、0.605 0，校正集均方根误差RMSEC和预测集均方根误差RMSEP分别为0.334 2、0.401 9，预测集残差预测偏差RPD为3.958 8。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

研究目的与方法

可溶性固形物含量（SSC）是番茄品质评价的核心指标之一，具体是指番茄汁液中诸如可溶性糖、有机酸、番茄红素等溶质所占的百分比。SSC是番茄品质的“黄金指标”，贯穿育种、栽培、采收和销售全链条，对决策市场具有重要的意义。

传统的番茄内部品质检测主要依赖化学分析方法，尽管能够获得较为准确的结果，但存在明显局限性，如破坏性检测方式导致样品无法重复利用；样品处理流程复杂；多步骤检测程序影响整体效率；检测过程耗时较长。这种检测模式已难以满足现代农产品快速无损检测的需求。近年来，研究人员已着手探索利用高光谱技术对作物内部品质进行无损、高效地检测，并取得了初步成果。

大量研究表明，高光谱成像技术结合机器学习算法，已成为实现对作物生理信息精准、无损检测的关键支撑。该技术体系不仅能深入挖掘作物的内部品质，更为精准农业的田间管理与作物品质的提升提供了可靠的技术依据和决策支持。

本文基于高光谱成像技术，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，并通过优化特征波长筛选方法降低数据维度，构建番茄可溶性固形物含量（SSC）的定量预测模型。通过建立高光谱特征与内部品质参数的数学关系，旨在研究一种快速、无损且精确的番茄内部品质检测新方法，为农产品质量评估提供更高效的技术手段。

研究结果与结论

运用高光谱成像技术实现对番茄可溶性固形物含量的无损检测研究，所采用的模型大幅提升番茄可溶性固形物的检测精度，证明运用高光谱成像技术检测番茄可溶性固形物含量的可行性。

1）比较采用不同预处理方法建立的PLSR模型预测精度和模型性能，表明基于Min—Max归一化预处理建立的PLSR模型效果最好，RPD提升到3.282 4，RMSEP为0.425 3。

2）利用SPA、CARS和UVE算法对Min—Max归一预处理过后的光谱数据进行特征提取，最终提取到的特征变量数分别为27个、33个和88个。

3）试验结果表明，在相同输入变量下，SVMR模型的整体预测精度最高，模型性能最好，其次是 PLSR，而BPNN的预测结果最不理想。对比不同特征变量提取方法建立的PLSR、SVMR和BPNN模型预测结果，发现SPA—SVMR模型在检测番茄SSC时的性能表现最好，对应的R_c²和R_p²值分别达到0.645 4、0.605 0，RMSEC和RMSEP值分别为0.334 2、0.401 9，RPD值为3.958 8。