車厘子，相信大家都不陌生，畢竟“車厘子自由”曾經也是風靡一時的網絡熱詞。但是車厘茄是什么呢?車厘子的變種？車厘子和茄子的結合？空想不如實干，看看度娘怎么說......

嚯，原來車厘茄就是常見的小番茄！另外，小加還了解到車厘茄含有豐富的維他命和十分高的鐵質含量，不僅有美容功效，還可以預防出現貧血，可謂是值得多次購買的營養好物。但是購買時，我們只能通過樸素的雙眼判斷其好壞，如果從專業性的角度出發，該如何評估車厘茄的質量呢？答案就在下面這篇論文里，快一起來看看吧！

基于深度學習和高光譜圖像估算車厘茄可溶性固形物含量及硬度

車厘茄（Solanum lycopersicum）因其特殊的香味深受世界各地消費者喜愛。可溶性固形物（SSC）和硬度是評估產品質量的兩個主要指標。現存的測量技術主要依賴于化學方法。然而，這種破壞性的方法不適用于大面積的測量。高光譜成像技術可以同時獲取光譜信息和空間信息，已廣泛應用于各個領域，如植物病害脅迫檢測、工業食品包裝、醫學圖像分類及水果質量分析。

基于此，來自浙江工業大學和浙江省農業科學院的研究人員選擇當地主流的車厘茄（Zheyingfen-1）為研究對象，測量其硬度和SSC，并基于高光譜圖像（PIKA XC 高光譜相機，Resonon Inc.，Bozeman，MT，USA）和相應的深度學習回歸模型開發了無損式測量技術。

高光譜成像系統

【結果】

（A）校正的光譜反射率圖。（B）MSC預處理。（C）二階差分預處理。

每個模型的SSC估算結果。（A）小樣本數據的SVR估算結果。（B）大樣本數據的SVR估算結果。（C）小樣本數據的KNNR估算結果。（D）大樣本數據的KNNR估算結果。（E）小樣本數據的AdaBoostR估算結果。（F）大樣本數據的AdaBoostR估算結果。（G）小樣本數據的PLSR估算結果。（H）大樣本數據的PLSR估算結果。（I）小樣本數據的Con1dResNet估算結果。（J）大樣本數據的Con1dResNet估算結果。

大樣本數據集每個模型的硬度估算結果。

【結論】

本研究中，作者利用高光譜圖像提出了Con1dResNet深度學習模型來估算車厘茄的SSC和硬度。相比傳統的機器學習方法，充足的樣本數量可以實現更好的結果。就SSC估算而言，其R2值為0.901，比PLSR高26.4%，其MSE為0.018，比PLSR低0.046。就硬度估算而言，其R2值為0.532，優于PLSR33.7%。結果表明高光譜成像結合深度學習可以顯著提高車厘茄SSC和硬度估算準確性。