番茄（solanum lycopersicuml.）因其营养丰富以及风味深受广大消费者的喜爱。成熟过程受遗传和环境的调控导致生理生化变化，如番茄红素的生物合成、可滴定酸的损失、可溶性糖的增加、硬度和颜色等物理变化以及番茄香气、营养成分和风味的变化。目前，无损检测技术已被广泛探索用于预测番茄品质，如机器视觉、电子鼻技术、光谱分析技术、核磁共振技术。高光谱成像将光谱与传统图像相结合，可以同时获得目标的空间和光谱信息，具有可靠性高、无损、准确等优点。
山东农业大学邵园园副教授团队利用我司高光谱设备，对番茄高光谱数据进行采集的同时获取番茄综合品质指标，预测番茄内在营养品质的变化，为实现番茄果实最佳采摘时期的确定、分级、运输、贮藏和保鲜等具有重要的指导意义。我司高光谱设备参数如图1所示。
图1gaiafiled-pro-v10e相机及参数
图2番茄品质的变化趋势
在番茄的品质检测中，大多数检测是针对单一品质指标，很少能同时检测番茄的综合品质。本研究为寻找可表示番茄综合品质的指标，采用可见光和近红外（vis-nir）高光谱成像技术，分别在绿熟期、转色期、成熟期和晚熟期，对3个常栽番茄品种（‘圣罗兰’、‘凯德雅丽1832’和‘爱绿士t147’）的果实进行了图像采集，并测定了其中的12个品质指标：果实的颜色指标（l*、a*、b*、色度值、色调值、a*/b*）、硬度、番茄红素、可溶性固形物、可溶性糖、有机酸和vc含量作为参考标准。
其次，通过分析不同指标的变化趋势及相关性，利用因子分析提出了综合品质指标（cqi）。因子分析用于从12个番茄品质指标中寻找潜在和主导因子，用于番茄果实的综合品质评价。因子分析的合理性通过kaiser meyer olkin（kmo）和bartlett球形检验进行评估。开发因子的方差和特征值，生成因子得分表。
表1 各项品质指标的因子的成分矩阵
index
factor
1
2
3
l*
-0.693
0.548
-0.285
a*
0.943
-0.001
0.216
b*
-0.589
0.642
0.409
chroma
0.153
0.779
0.567
hue
-0.965
0.045
-0.111
hardness
-0.829
-0.095
0.262
ssc
0.583
0.610
-0.194
lycopene
0.802
0.120
0.035
soluble sugar
0.481
0.634
-0.510
titratable acid
-0.651
0.275
-0.266
vc
0.792
0.062
-0.087
a*/b*
0.974
-0.024
0.092
其中t是番茄红素，f是硬度，c是色度值，h是色调值。
最后通过连续投影算法选择特征波长，用于建立cqi预测的三个回归模型。结果表明，多元线性回归（mlr）模型rv2= 0.87，rmsev = 1.33，rpd = 2.58取得了良好的性能。本研究表明，基于高光谱成像和化学计量学技术，可以无损预测番茄的综合品质，为番茄果实的最佳采收期的确定、果实分级、运输、贮藏和保鲜提供了技术支持。本研究提出的综合品质指标（cqi）不仅综合了番茄果实的内外部品质指标，而且与番茄的成熟度具有一定的关联性。
图3高光谱数据分析过程
第一作者简介：
邵园园，工学博士，山东农业大学副教授，硕士生导师。
主要研究方向：1、农业机械设计，包括播种育苗移栽机械、免耕播种机械、秸秆后处理机械及苹果、花生、甘薯收获机械等。
2、机构运动与动力学优化仿真；精准农业、农产品检测、图像识别、高光谱图像处理等。
参考文献：shao y , shi y , qin y，xuan g , et al. a new quantitative index for the assessment of tomato quality using vis-nir hyperspectral imaging [j]. food chemistry, 386(2022):132864.