この研究では、900〜1700nmのハイパースペクトルカメラが適用され、杭州カラースペクトルテクノロジー株式会社の製品FS-15が関連研究に使用できました。短波近赤外線ハイパースペクトルカメラは、最大200FPSの全スペクトルの取得速度を備え、組成識別、物質識別、マシンビジョン、農産物の品質、画面検出などの分野で広く使用されています。
トマトは独特の風味を持つベリー類の作物で、グルタチオン、ビタミン、リコピン、βカロテンなどの生理活性成分を含む多様な栄養素が豊富に含まれており、食用価値の高い作物です。世界経済の急速な発展に伴い、消費者市場におけるトマトおよびトマト加工品の需要が高まっています。トマトはまた、世界で最も広く栽培され、消費されている野菜および果物作物の 1 つとなっています。さらに、人々の生活水準の全般的な向上に伴い、消費者にとってトマトの内部品質、外観品質、保管および輸送の品質、優れた風味と味の重要性がますます高まっており、中国のトマト産業も新たな課題と機会に直面している。 。調査によると、トマト業界にとってトマトの成熟度や保存品質は非常に重要であり、消費者はミニトマトの内部品質や優れた風味や味わいをより重視していることがわかった。ビッグデータの開発と活用に基づいて、トマトの自動植え付け、機械収穫、インテリジェントな分類を実現し、トマトの生産性と効率性の向上を実現します。現在、国内外でスペクトルに基づくトマトの品質検出に関する研究がいくつか行われているが、既存のトマトの品質検出モデルでは、有効なスペクトル情報の抽出が依然として研究上の困難であり、適切な分析を通じてトマトの内部品質を検出することが困難である。非破壊検査方法はまだ研究の余地があります。
ハイパースペクトルイメージング技術に基づくチェリートマトの可溶性固形分の非破壊検出の研究では、191個のチェリートマトを研究対象として選択し、865.11〜1711.71 nmの範囲のハイパースペクトル画像データを収集し、関心領域のチェリー トマトのハイパースペクトル画像は、K 平均法アルゴリズムによってセグメント化されました。この領域の平均スペクトルをミニトマトのオリジナルスペクトルデータとして抽出した。MA と MSC を使用して元のスペクトル データを前処理し、チェリー トマトのサンプルを KS アルゴリズムに基づいてトレーニング セットとテスト セットに分割しました。特徴帯域に含まれる情報の有効性を向上させるために、SPA アルゴリズムと PCA アルゴリズムを組み合わせてスペクトル データの主成分分析を実行し、その後 PCA アルゴリズムと miRF アルゴリズム、PLSR ベースのチェリーの SSC 検出モデルと比較しました。トマトを確立し、テスト セット データによってモデルを検証しました。結果は、SPA-PCAによって抽出された主成分に基づくモデルの検出精度が明らかに最適化されていることを示しています。モデルの検出結果から、3 つのモデルの中で、SPA-PCA-PLSR モデルが最も優れた検出効果 (R、0.9039) を示しました。miRF-PLSR モデルの検出効果は 2 番目で、RF は 0.8878 でした。PCA-PLSRモデルのフィッティング効果は最悪です。