基于高光谱技术的番茄硬度无损检测

《农业工程学报》2019年第35卷第13期刊载了西北农林科技大学等单位龙燕、连雅茹、马敏娟、宋怀波与何东健的论文——“基于高光谱技术和改进型区间随机蛙跳算法的番茄硬度检测”。该研究由陕西省农业科技创新与攻关（项目号：2016NY-157）等资助。

近年来，番茄已成为全球消费量最大的蔬果作物之一，而中国也是世界最大的番茄生产和出口国家之一，消费市场对番茄的外观品质、耐贮运品质的要求也越来越高。因此，对番茄在采摘、储藏以及运输过程中硬度变化进行监测显得尤为重要。

传统的硬度检测方法一般采用果实硬度计进行测量，该方法耗费时间比较长且具有破坏性，从而难以应用于果品硬度的批量化检测。因此开发无损、高效的番茄硬度的检测方法具有重要的意义。

该研究以不同成熟时期的番茄为研究对象，利用高光谱漫反射成像获取番茄高光谱图像数据，提出了一种基于改进型区间随机蛙跳的特征波长提取算法，建立了番茄硬度的偏最小二乘回归检测模型。为了证明改进型区间随机蛙跳算法的可行性和优越性，与连续投影算法、传统区间随机蛙跳算法进行比较，分析了它们对番茄硬度预测模型时效性和准确度的影响。

研究结果表明，改进型区间随机蛙跳算法通过对初始变量子集的构造进行改进，克服了传统区间随机蛙跳算法收敛时间过长和模型实用性差的不足，同时保证了模型的预测精度。分别与连续投影算法、传统的区间随机蛙跳算法相比，模型的预测精度提高了20.5%，收敛时间减少了95%。

综上所述，结合高光谱技术和改进型区间随机蛙跳算法可实现对番茄硬度的快速、无损检测。该研究成果为番茄硬度无损检测提供了新思路，也为番茄自动采收、自动分级设备的开发提供理论依据。