In dieser Studie wurde eine 900-1700-nm-Hyperspektralkamera eingesetzt, und FS-15, das Produkt von Hangzhou Color Spectrum Technology Co., LTD., konnte für entsprechende Forschungen verwendet werden.Kurzwellen-Nahinfrarot-Hyperspektralkameras mit einer Erfassungsgeschwindigkeit des gesamten Spektrums von bis zu 200 Bildern pro Sekunde werden häufig in den Bereichen Zusammensetzungsidentifizierung, Substanzidentifizierung, maschinelles Sehen, Qualität landwirtschaftlicher Produkte, Bildschirmerkennung und anderen Bereichen eingesetzt.
Tomaten sind Beerenfrüchte mit einzigartigem Geschmack, reich an einer Vielzahl von Nährstoffen, darunter Glutathion, Vitamine, Lycopin, Beta-Carotin und anderen bioaktiven Inhaltsstoffen, und haben einen hohen Nährwert.Mit der rasanten Entwicklung der Weltwirtschaft steigt die Nachfrage nach Tomaten und Tomatenverarbeitungsprodukten auf dem Verbrauchermarkt.Die Tomate hat sich auch zu einer der am häufigsten angebauten und konsumierten Gemüse- und Obstpflanzen der Welt entwickelt.Darüber hinaus sind mit der allgemeinen Verbesserung des Lebensstandards der Menschen die innere Qualität, das Aussehen, die Lager- und Transportqualität sowie der ausgezeichnete Geschmack von Tomaten für Verbraucher immer wichtiger geworden, und auch Chinas Tomatenindustrie steht vor neuen Herausforderungen und Chancen .Laut der Umfrage sind die Reife und die Lagerqualität von Tomaten für die Tomatenindustrie sehr wichtig, und die innere Qualität von Kirschtomaten sowie ihr ausgezeichnetes Aroma und Geschmack sind den Verbrauchern wichtiger.Basierend auf der Entwicklung und Anwendung großer Datenmengen werden automatisches Pflanzen, maschinelles Pflücken und intelligente Klassifizierung von Tomaten realisiert, um eine höhere Produktion und Effizienz von Tomaten zu erreichen.Gegenwärtig wurden im In- und Ausland einige Untersuchungen zur Erkennung der Tomatenqualität auf der Grundlage des Spektrums durchgeführt, aber in den bestehenden Modellen zur Erkennung der Tomatenqualität stellt die Extraktion effektiver Spektralinformationen immer noch eine Forschungsschwierigkeit dar und die Erkennung der internen Qualität von Tomaten durch geeignete Methoden Die zerstörungsfreien Prüfmethoden müssen noch untersucht werden.
In der Studie zur zerstörungsfreien Erkennung des löslichen Feststoffgehalts von Kirschtomaten auf Basis der hyperspektralen Bildgebungstechnologie wurden 191 Kirschtomaten als Forschungsobjekte ausgewählt, hyperspektrale Bilddaten im Bereich von 865,11 bis 1711,71 nm gesammelt und der interessierende Bereich ermittelt Das hyperspektrale Bild von Kirschtomaten wurde mit dem K-Means-Algorithmus segmentiert.Das durchschnittliche Spektrum dieser Region wurde als ursprüngliche Spektraldaten von Kirschtomaten extrahiert.MA und MSC wurden verwendet, um die ursprünglichen Spektraldaten vorzuverarbeiten, und die Kirschtomatenproben wurden basierend auf dem KS-Algorithmus in Trainingssätze und Testsätze unterteilt.Um die Wirksamkeit der im Merkmalsband enthaltenen Informationen zu verbessern, wurden der SPA-Algorithmus und der PCA-Algorithmus kombiniert, um eine Hauptkomponentenanalyse der Spektraldaten durchzuführen, und dann mit PCA- und miRF-Algorithmen, einem PLSR-basierten SSC-Erkennungsmodell von Cherry, verglichen Tomate wurde erstellt und das Modell anhand der Testsatzdaten verifiziert.Die Ergebnisse zeigen, dass die Erkennungsgenauigkeit des Modells basierend auf der durch SPA-PCA extrahierten Hauptkomponente offensichtlich optimiert ist.Aus den Erkennungsergebnissen der Modelle geht hervor, dass das SPA-PCA-PLSR-Modell unter den drei Modellen den besten Erkennungseffekt hat, R, 0,9039.Der Erkennungseffekt des miRF-PLSR-Modells war der zweite, RF betrug 0,8878.Der Anpassungseffekt des PCA-PLSR-Modells ist am schlechtesten.