Dans cette étude, une caméra hyperspectrale 900-1700nm a été appliquée, et FS-15, le produit de Hangzhou Color Spectrum Technology Co., LTD., pourrait être utilisé pour des recherches connexes.La caméra hyperspectrale proche infrarouge à ondes courtes, la vitesse d'acquisition du spectre complet jusqu'à 200FPS, est largement utilisée dans l'identification de la composition, l'identification des substances, la vision artificielle, la qualité des produits agricoles, la détection d'écran et d'autres domaines.
La tomate est une culture de baies avec une saveur unique et riche en une variété de nutriments, y compris le glutathion, les vitamines, le lycopène, le bêta-carotène et d'autres ingrédients bioactifs, et a une valeur alimentaire élevée.Avec le développement rapide de l'économie mondiale, la demande de tomates et de produits de transformation de tomates sur le marché de consommation augmente.La tomate est également devenue l'une des cultures maraîchères et fruitières les plus cultivées et consommées au monde.En outre, avec l'amélioration générale du niveau de vie de la population, la qualité interne, la qualité d'apparence, la qualité de stockage et de transport et l'excellente saveur et le goût des tomates sont devenus de plus en plus importants pour les consommateurs, et l'industrie chinoise de la tomate est également confrontée à de nouveaux défis et opportunités. .Selon l'enquête, la maturité et la qualité de stockage des tomates sont très importantes pour l'industrie de la tomate, et la qualité interne des tomates cerises, ainsi que l'excellente saveur et le goût sont plus concernés par les consommateurs.Sur la base du développement et de l'application de mégadonnées, la plantation automatique, la cueillette mécanisée et la classification intelligente des tomates sont réalisées pour augmenter la production et l'efficacité des tomates.À l'heure actuelle, il y a eu quelques recherches sur la détection de la qualité de la tomate basée sur le spectre à la maison et à l'étranger, mais dans les modèles de détection de la qualité de la tomate existants, l'extraction d'informations spectrales efficaces est toujours une difficulté de recherche, et la détection de la qualité interne de la tomate par des moyens appropriés les méthodes de contrôle non destructif restent à étudier.
Dans l'étude de la détection non destructive de la teneur en solides solubles des tomates cerises basée sur la technologie d'imagerie hyperspectrale, 191 tomates cerises ont été sélectionnées comme objets de recherche, des données d'images hyperspectrales dans la plage de 865,11 ~ 1711,71 nm ont été collectées et la région d'intérêt de L'image hyperspectrale des tomates cerises a été segmentée par l'algorithme K-means.Le spectre moyen de cette région a été extrait comme les données spectrales originales de la tomate cerise.MA et MSC ont été utilisés pour prétraiter les données spectrales d'origine, et les échantillons de tomates cerises ont été divisés en ensembles d'apprentissage et en ensembles de test basés sur l'algorithme KS.Afin d'améliorer l'efficacité des informations contenues dans la bande de caractéristiques, l'algorithme SPA et l'algorithme PCA ont été combinés pour effectuer une analyse en composantes principales sur les données spectrales, puis comparés aux algorithmes PCA et miRF, un modèle de détection SSC basé sur PLSR de cerise tomate a été établie et le modèle a été vérifié par les données de l'ensemble de test.Les résultats montrent que la précision de détection du modèle basé sur la composante principale extraite par SPA-PCA est évidemment optimisée.D'après les résultats de détection des modèles, parmi les trois modèles, le modèle SPA-PCA-PLSR a le meilleur effet de détection, R, 0,9039.L'effet de détection du modèle miRF-PLSR était le second, le RF était de 0,8878.L'effet d'ajustement du modèle PCA-PLSR est le pire.