韓子馨，張麗麗，張 博，鄒方磊，尚 楠

（中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083）

番茄因其營(yíng)養(yǎng)、風(fēng)味、口感以及加工屬性成為全球蔬菜市場(chǎng)的“寵兒”，是全球栽培最廣、消費(fèi)量最大的蔬菜作物，常年位列全球蔬菜作物產(chǎn)量榜首。我國(guó)作為農(nóng)業(yè)大國(guó)，擁有全球最高的鮮食番茄產(chǎn)量以及全球最大的番茄種子市場(chǎng)。據(jù)統(tǒng)計(jì)，“十三五”期間我國(guó)番茄種植面積穩(wěn)步提升，除露天種植外，設(shè)施番茄種植面積不斷擴(kuò)大；與此同時(shí)，我國(guó)番茄出口總量呈現(xiàn)上升趨勢(shì)，在抗逆、抗病及優(yōu)化育種方面碩果累累[1]。

當(dāng)代番茄市場(chǎng)在育種科技發(fā)展和市場(chǎng)需要的雙重催化下，誕生了一系列的“新生”番茄品種[2]；同時(shí)，隨著人民消費(fèi)水平的不斷升級(jí)和生鮮領(lǐng)域的蓬勃發(fā)展，消費(fèi)者對(duì)番茄的綜合品質(zhì)有了更全面的追求；此外，食品加工等行業(yè)飛速發(fā)展使番茄的精深加工逐漸成為主流趨勢(shì)，貿(mào)易全球化也不斷推動(dòng)我國(guó)番茄及其制品的出口。面對(duì)當(dāng)前市場(chǎng)需求，完善出品等級(jí)、提高加工質(zhì)量、建立國(guó)際接軌的質(zhì)量標(biāo)準(zhǔn)體系[3]，是滿足消費(fèi)者需求的必經(jīng)之路。完善番茄品質(zhì)的綜合評(píng)價(jià)，首先需要對(duì)番茄的各項(xiàng)品質(zhì)指標(biāo)進(jìn)行檢測(cè)，以提供理論依據(jù)和數(shù)據(jù)基礎(chǔ)，這個(gè)過(guò)程不僅需要大量數(shù)據(jù)的采集，同時(shí)對(duì)檢測(cè)技術(shù)的精準(zhǔn)度和靈敏度也有較高的要求。番茄品質(zhì)的檢測(cè)可分為外部品質(zhì)檢測(cè)和內(nèi)部品質(zhì)檢測(cè)。我國(guó)普遍應(yīng)用的外部品質(zhì)檢測(cè)主要依靠人工檢測(cè)方法，不僅主觀性強(qiáng)、效率較低，且僅能對(duì)外部品質(zhì)進(jìn)行粗略評(píng)價(jià)，難以形成統(tǒng)一準(zhǔn)確的評(píng)價(jià)標(biāo)準(zhǔn)；內(nèi)部營(yíng)養(yǎng)成分含量的檢測(cè)方法雖然能夠達(dá)到較高的準(zhǔn)確度，但存在破壞性強(qiáng)、耗時(shí)費(fèi)力、應(yīng)用場(chǎng)景單一等缺點(diǎn)，難以對(duì)大規(guī)模的樣品進(jìn)行全面、高效、準(zhǔn)確的檢測(cè)，使其無(wú)法在市場(chǎng)上得到廣泛應(yīng)用。

綜上，為滿足各層面的消費(fèi)需求和加工需要，急需探求更加全面、便捷、無(wú)損的番茄品質(zhì)檢測(cè)技術(shù)。20世紀(jì)中葉，西方一些國(guó)家已經(jīng)開(kāi)展了針對(duì)番茄無(wú)損檢測(cè)的研究，當(dāng)時(shí)主要集中在對(duì)番茄外部品質(zhì)的檢測(cè)上。我國(guó)番茄無(wú)損檢測(cè)研究開(kāi)展于20世紀(jì)90年代，近年來(lái)在智慧農(nóng)業(yè)的大力推動(dòng)下，先后在傳感器和光譜技術(shù)領(lǐng)域取得大量成果。本文在傳統(tǒng)番茄品質(zhì)檢測(cè)技術(shù)的基礎(chǔ)上，重點(diǎn)總結(jié)了基于圖像識(shí)別的人工智能、電子鼻技術(shù)和光譜技術(shù)在番茄無(wú)損檢測(cè)方面的發(fā)展與應(yīng)用。

1 番茄品質(zhì)指標(biāo)及傳統(tǒng)檢測(cè)方法

番茄的主要品質(zhì)指標(biāo)如表1所示，包括外觀、風(fēng)味、營(yíng)養(yǎng)和安全等多個(gè)方面，所涵蓋的指標(biāo)類型眾多，各指標(biāo)均有其標(biāo)準(zhǔn)規(guī)定或常用的檢測(cè)方法。

表1 番茄主要品質(zhì)指標(biāo)Table 1 Major quality indicators of tomatoes

1.1 番茄的品質(zhì)指標(biāo)

1.1.1 外觀品質(zhì)

外觀是消費(fèi)者對(duì)商品產(chǎn)生印象的首要因素，番茄的外觀品質(zhì)包含果色、大小、果形、損傷、缺陷和硬度等指標(biāo)[4]。作為最直觀的因素，番茄的外觀品質(zhì)被作為其育種、種植以及采收等工作的關(guān)注重心[5]，對(duì)番茄的外觀品質(zhì)的研究，為番茄的種植條件優(yōu)化、田間監(jiān)控、采收貯存的科學(xué)化提供了依據(jù)，同時(shí)為番茄育種行業(yè)提供了重要參考。

1.1.2 風(fēng)味品質(zhì)

番茄的風(fēng)味是決定鮮食體驗(yàn)和加工產(chǎn)品質(zhì)量的決定性因素，成熟番茄中的可溶性糖主要是葡萄糖和果糖，其酸度主要來(lái)自檸檬酸和蘋果酸等有機(jī)酸，而番茄的糖酸比主要由影響較大的果糖和檸檬酸決定[6]。研究表明，番茄中較高的糖含量能提高番茄的適口性，適量的酸使風(fēng)味濃厚[7]，最適宜的番茄糖酸比為7～11[8]。作為番茄獨(dú)特風(fēng)味的來(lái)源[9]，揮發(fā)性芳香物質(zhì)的組成是決定番茄風(fēng)味的重要因素，截至目前，在成熟的番茄果實(shí)中發(fā)現(xiàn)的醇、醛、酮、酯、萜等揮發(fā)性芳香物質(zhì)多達(dá)400多種，其中醛類化合物使番茄具有新鮮感，增加了番茄的甜度，提升了感官愉悅度[10]，而酯類化合物和酚類化合物可接受度較低[11]。

1.1.3 營(yíng)養(yǎng)品質(zhì)

SSC是番茄最主要的營(yíng)養(yǎng)品質(zhì)指標(biāo)，它具體是指番茄汁液中諸如可溶性糖、有機(jī)酸、番茄紅素等溶質(zhì)所占的百分比。在番茄果實(shí)中，糖分占總干物質(zhì)質(zhì)量的55%，有機(jī)酸占總干物質(zhì)質(zhì)量的12%，主要是檸檬酸、蘋果酸。

VC又稱抗壞血酸，是維持人體健康不可或缺的必需維生素之一[12]，通過(guò)對(duì)控制基因的研究培育高VC含量的番茄可以滿足人的攝取需要。在生長(zhǎng)過(guò)程中，番茄果實(shí)的果色受番茄紅素含量的正向調(diào)控，番茄紅素與番茄醬等番茄制品的色澤等品質(zhì)有關(guān)，且具有抗氧化性，可以降低一系列非傳染性慢性疾病的發(fā)生率[13]。多酚是果蔬營(yíng)養(yǎng)與風(fēng)味品質(zhì)的主要決定性因素，具有顯著的抗氧化、抑菌、抗病毒和抗炎癥作用[14]。番茄中主要的類黃酮組分為槲皮素和蘆丁，而果肉中主要的酚酸有綠原酸、沒(méi)食子酸、龍膽酸及較少的咖啡酸和苯甲酸[15]。

1.1.4 安全品質(zhì)

為了減少病蟲(chóng)害造成的損失、提高產(chǎn)量，在實(shí)際種植過(guò)程中會(huì)通過(guò)噴灑農(nóng)藥預(yù)防病蟲(chóng)害。為滿足貯藏和運(yùn)輸?shù)男枨螅惺鄣姆岩话阃ㄟ^(guò)外源乙烯利處理達(dá)到提前催熟的目的[16]。但是農(nóng)藥和乙烯利等化學(xué)用品的使用劑量始終難以在實(shí)際生產(chǎn)中得到完全的規(guī)范與控制，過(guò)量的有害化學(xué)物質(zhì)殘留危害人類健康，影響番茄的安全性[17]，故乙烯利殘留量和農(nóng)藥殘留量是番茄安全品質(zhì)評(píng)價(jià)的重要指標(biāo)。

1.2 傳統(tǒng)檢測(cè)方法

番茄的品質(zhì)檢測(cè)可分為外觀品質(zhì)檢測(cè)和內(nèi)部品質(zhì)檢測(cè)。目前，針對(duì)番茄外部品質(zhì)的檢測(cè)以人工檢測(cè)為主。果色的判斷和損傷缺陷的識(shí)別一般依靠人工篩選；番茄果實(shí)果徑和硬度數(shù)值一般也是人工用游標(biāo)卡和硬度儀尺測(cè)量獲得，這些方法均依賴人工操作，過(guò)于依靠個(gè)人經(jīng)驗(yàn)，主觀性過(guò)強(qiáng)，難以形成固定的標(biāo)準(zhǔn)，也難以實(shí)現(xiàn)大規(guī)模的全面篩查。表2則列舉了番茄內(nèi)部主要成分的含量檢測(cè)依據(jù)。

表2 番茄內(nèi)部主要成分傳統(tǒng)測(cè)定方法與參考依據(jù)Table 2 Traditional detection methods established in national and industry standards for major components in tomatoes

綜上，傳統(tǒng)的番茄品質(zhì)檢測(cè)方法存在諸多問(wèn)題，包括主觀性強(qiáng)，難以形成固定的標(biāo)準(zhǔn)；破壞性強(qiáng)，預(yù)處理過(guò)程復(fù)雜，檢測(cè)步驟繁多；難以直接獲得指標(biāo)，難以滿足定性、定量分析的需求；基本停留在實(shí)驗(yàn)室層面，無(wú)法實(shí)現(xiàn)市場(chǎng)化、實(shí)時(shí)化、大規(guī)模的檢測(cè)及監(jiān)控。

2 新型檢測(cè)技術(shù)及其利用

當(dāng)今，傳統(tǒng)的番茄品質(zhì)檢測(cè)方法難以滿足我國(guó)番茄市場(chǎng)對(duì)番茄品質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)更加精細(xì)化的要求。在科技發(fā)展和消費(fèi)升級(jí)的雙重催化下，一系列新型檢測(cè)技術(shù)快速發(fā)展，并更多的服務(wù)于番茄品質(zhì)的檢測(cè)。新型檢測(cè)技術(shù)實(shí)現(xiàn)了對(duì)番茄各項(xiàng)指標(biāo)更加快捷精準(zhǔn)、高效、無(wú)損化的測(cè)定，借助各類數(shù)據(jù)分析方法以及數(shù)學(xué)模型，構(gòu)建了各指標(biāo)之間聯(lián)系，為實(shí)現(xiàn)番茄品質(zhì)的大規(guī)模的預(yù)測(cè)、監(jiān)控提供了可能。下面，本文將結(jié)合國(guó)內(nèi)外學(xué)者在該領(lǐng)域的研究，對(duì)新型檢測(cè)技術(shù)及其在番茄品質(zhì)檢測(cè)方面的應(yīng)用進(jìn)行概述。

2.1 機(jī)器視覺(jué)

近年來(lái)，人工智能快速發(fā)展，并逐步在農(nóng)業(yè)機(jī)械裝備中得到實(shí)用化，機(jī)器視覺(jué)技術(shù)是其中的重要分支。機(jī)器視覺(jué)是通過(guò)計(jì)算機(jī)模擬人類的視覺(jué)功能的技術(shù)，該技術(shù)利用光學(xué)裝置和圖像傳感器獲得被檢測(cè)物體的圖像信息，通過(guò)圖像處理系統(tǒng)將圖像信號(hào)轉(zhuǎn)化為數(shù)字化信息，提取目標(biāo)特征信息，利用計(jì)算機(jī)進(jìn)行分析處理而實(shí)現(xiàn)識(shí)別、檢測(cè)等功能[18]。自20世紀(jì)末以來(lái)，基于機(jī)器視覺(jué)技術(shù)的番茄色澤[19-20]、大小[21-23]等指標(biāo)的檢測(cè)以及缺陷、病害等[24-25]的識(shí)別已獲得了諸多成果，近年來(lái)，機(jī)器學(xué)習(xí)算法的進(jìn)步為機(jī)器視覺(jué)在番茄無(wú)損化檢測(cè)及分級(jí)應(yīng)用方面帶來(lái)了突破性的發(fā)展。

成熟度的判斷對(duì)番茄的采收、貯藏及銷售具有重要的參考意義。番茄果皮顏色是國(guó)內(nèi)外接受度和實(shí)用性較高的成熟度判斷依據(jù)，利用機(jī)器視覺(jué)技術(shù)對(duì)番茄成熟度進(jìn)行判別的要點(diǎn)包括成熟階段的定義和相應(yīng)顏色特征的提取，契合度高的顏色特征可以提升判別效果。王俊平等[26]為探究機(jī)器視覺(jué)在果蔬成熟度檢測(cè)中的能力，參考SB/T 10331—2000《番茄》劃分了6 個(gè)番茄成熟度階段，并采集這6 個(gè)階段的番茄圖像，在紅色、綠色、藍(lán)色（red，green，bule，RGB），色調(diào)、飽和度、明度（hue，saturationand，value，HSV）和CIEL*a*b*3 種顏色模型下，獲取各彩色單通道圖像的灰色均值箱線圖，提取出6 個(gè)有效的顏色特征，建立顏色特征與番茄成熟度之間的最小二乘支持向量機(jī)（least squares support vector machine，LS-SVM）模型；為驗(yàn)證模型效果，取不同成熟度的番茄共108 組，按照2∶1的比例隨機(jī)分為訓(xùn)練集和驗(yàn)證集，結(jié)果表明所建模型的驗(yàn)證集準(zhǔn)確率可達(dá)88.09%。畢智健等[27]在基于機(jī)器視覺(jué)的番茄成熟度研究中，提出另一種成熟度定義和顏色分析方法，此研究依照GB 8852—1988《番茄》將成熟度定義為完熟、成熟、綠熟、未熟4 個(gè)階段，采集處于4 個(gè)成熟階段番茄的花萼區(qū)3 個(gè)區(qū)域和頂部1 個(gè)區(qū)域的RGB圖像，處理后，提取R、G、B單分量的值，使用SPSS軟件篩選有效的自由組合分量，又將RGB圖像轉(zhuǎn)換為HSV，色調(diào)、色彩、強(qiáng)度（hue，saturationand and intensity，HSI）2 種顏色模型提取顏色特征H、S、V、I值，所有的特征分量運(yùn)用Matlab軟件進(jìn)行歸一化處理獲得歸一化均值，應(yīng)用Mahalanobis、Quadratic、Linear 3 種函數(shù)模型，利用所提取特征分量對(duì)不同成熟度番茄分別進(jìn)行判別分析；但該實(shí)驗(yàn)中，僅使用Linear判別函數(shù)對(duì)綠熟階段番茄的判別效果較佳，對(duì)于成熟階段和完熟階段番茄的判別，3 種模型的效果均不理想。

對(duì)番茄進(jìn)行有效的分級(jí)能夠提高番茄的產(chǎn)品價(jià)值，然而傳統(tǒng)的人工目測(cè)分級(jí)具有主觀性強(qiáng)、費(fèi)時(shí)費(fèi)力的局限。近年來(lái)，各國(guó)學(xué)者研制的以傳送單元搭載的機(jī)器視覺(jué)系統(tǒng)構(gòu)成的分級(jí)系統(tǒng)，為機(jī)器視覺(jué)的商品化應(yīng)用提供了可能。常英[28]基于機(jī)器視覺(jué)設(shè)計(jì)了一個(gè)由輸送裝置、圖像采集裝置和氣泵分選裝置構(gòu)成的分級(jí)檢測(cè)系統(tǒng)（圖1），通過(guò)統(tǒng)計(jì)連通區(qū)域個(gè)數(shù)并比較櫻桃番茄RGB分量結(jié)合度量范圍的方法，實(shí)現(xiàn)了對(duì)櫻桃番茄缺陷果的識(shí)別，檢測(cè)精度可達(dá)90%左右。

圖1 櫻桃番茄在線分級(jí)檢測(cè)裝置Fig.1 Cherry tomato online grading device

以番茄果徑作為指示番茄大小的參數(shù)，對(duì)番茄進(jìn)行分級(jí)是目前應(yīng)用較為廣泛的分級(jí)模式。曾令培等[29]基于機(jī)器視覺(jué)提取采集番茄圖像的尺寸特征，并以橫徑作為分級(jí)依據(jù)實(shí)現(xiàn)了對(duì)番茄的智能包裝，所采番茄圖像首先經(jīng)過(guò)圖像灰度化、中值濾波器去噪音，對(duì)比了不同灰度下的閾值分割效果，結(jié)果顯示將灰度值調(diào)節(jié)為180時(shí)可以獲得最優(yōu)的分割效果，并利用二值圖和形態(tài)學(xué)的結(jié)合處理，填充了分割圖產(chǎn)生的毛刺與孤立點(diǎn)。為提取番茄尺寸特征，研究者對(duì)比了最小外接矩形法和最小外接圓法提取番茄橫徑的準(zhǔn)確性，他們從200 組番茄中抽取10 組番茄進(jìn)行測(cè)定，發(fā)現(xiàn)采用最小外接矩陣法得到的數(shù)值比較接近游標(biāo)卡尺測(cè)量值。在另一組實(shí)驗(yàn)中，研究者利用canny邊緣檢測(cè)提取番茄的果徑，通過(guò)統(tǒng)計(jì)像素點(diǎn)數(shù)提取番茄色澤特征，最小外接矩陣法提取果形特征，灰色共生矩陣法提取紋理特征；結(jié)合判別樹(shù)法和經(jīng)粒子群優(yōu)化算法（partical swarm optimization，PSO）優(yōu)化的SVM分類法進(jìn)行融合決策，實(shí)現(xiàn)了對(duì)番茄的綜合分級(jí)，簡(jiǎn)明地對(duì)多個(gè)條件影響的結(jié)果進(jìn)行了判別，避免了單獨(dú)決策的局限性，分級(jí)速率可達(dá)4 個(gè)/s，分級(jí)準(zhǔn)確率可達(dá)95%以上[28]。Nyalala等[23]利用機(jī)器視覺(jué)設(shè)計(jì)了一種櫻桃番茄模式下的分級(jí)分選系統(tǒng)，研究對(duì)所采圖像進(jìn)行二維、三維的深度分析，并建立了櫻桃番茄的體積-質(zhì)量函數(shù)，但所建立的模型只適用于櫻桃番茄，若想提高普適性還需大量數(shù)據(jù)。相關(guān)研究?jī)?yōu)化了基于視覺(jué)提取番茄尺寸特征的方法，通過(guò)對(duì)算法的改良提高了分級(jí)準(zhǔn)確度，實(shí)現(xiàn)了對(duì)番茄的自動(dòng)分級(jí)和智能包裝，為機(jī)器視覺(jué)的商品化提供了思路。

計(jì)算機(jī)的高速發(fā)展輔助推動(dòng)著機(jī)器視覺(jué)技術(shù)的應(yīng)用，Joice等[30]基于機(jī)器視覺(jué)設(shè)計(jì)的番茄色選機(jī)利用微型電腦Raspberry Pi對(duì)所采圖像進(jìn)行分選，經(jīng)由Open CVPython編程的系統(tǒng)提高了圖像的實(shí)時(shí)處理效率，該色選機(jī)處理效率可達(dá)2 個(gè)/s，且準(zhǔn)確率高達(dá)98%。在當(dāng)前，計(jì)算機(jī)技術(shù)的快速迭代為機(jī)器視覺(jué)的發(fā)展提供了支持，國(guó)際上已經(jīng)存在基于機(jī)器視覺(jué)研發(fā)的果蔬分級(jí)設(shè)備，為推進(jìn)機(jī)器視覺(jué)技術(shù)的商品化，協(xié)調(diào)番茄在動(dòng)態(tài)狀態(tài)下的識(shí)別與分析可以作為后續(xù)研究的方向。由于待測(cè)物品為農(nóng)產(chǎn)品的特殊屬性造成的檢測(cè)場(chǎng)景復(fù)雜多變、待測(cè)物結(jié)構(gòu)缺乏統(tǒng)一標(biāo)準(zhǔn)等問(wèn)題，機(jī)器視覺(jué)在番茄檢測(cè)技術(shù)方面依舊存在所需計(jì)算量大、所需數(shù)據(jù)量大、魯棒性差等問(wèn)題，而機(jī)器視覺(jué)檢測(cè)技術(shù)的核心在于圖像的處理分析，未來(lái)檢測(cè)技術(shù)的提高還需依賴處理系統(tǒng)計(jì)算能力的提高與算法的改進(jìn)升級(jí)。

2.2 可見(jiàn)-近紅外（visible-near infrared，Vis-NIR）光譜

Vis-NIR光譜是分子吸收光譜的一種。Vis-NIR光譜分析方法利用各種物質(zhì)組分對(duì)特定頻率的光產(chǎn)生差異性吸收的特點(diǎn)結(jié)合化學(xué)計(jì)量學(xué)方法實(shí)現(xiàn)對(duì)物質(zhì)組分進(jìn)行定量和定性分析，其檢測(cè)設(shè)備如圖2所示。Vis-NIR光譜具有特征性強(qiáng)、測(cè)定快速、不破壞試樣、操作簡(jiǎn)便、能分析各種狀態(tài)的試樣的特點(diǎn)，被廣泛應(yīng)用于番茄內(nèi)部成分的檢測(cè)[31-33]。

圖2 Vis-NIR光譜檢測(cè)設(shè)備Fig.2 Vis-NIR spectroscopic inspection equipment

近年來(lái)，國(guó)內(nèi)外各學(xué)者利用Vis-NIR光譜技術(shù)采集番茄樣品光譜信息，利用理化分析方法測(cè)定番茄的內(nèi)部成分含量，研究番茄光譜信息和內(nèi)部品質(zhì)的關(guān)聯(lián)性，比較不同的光譜預(yù)處理方法對(duì)番茄原始光譜預(yù)處理效果，對(duì)比不同光譜變量?jī)?yōu)選算法，構(gòu)建番茄內(nèi)部品質(zhì)的定量模型，選出預(yù)測(cè)性能最佳的模型，進(jìn)而綜合評(píng)價(jià)番茄的內(nèi)部品質(zhì)。

Huang Yifeng等[34]基于全透射光譜獲取番茄的Vis-NIR光譜，建立SSC預(yù)測(cè)模型，研究發(fā)現(xiàn)檢測(cè)方向?qū)SC預(yù)測(cè)模型的性能有顯著影響，其莖頂軸垂直于輸送帶時(shí)的檢測(cè)效果顯著優(yōu)于莖頂軸平行于輸送帶。為減少雜光、優(yōu)化光路在番茄內(nèi)部的傳播，Yang Yi等[35]通過(guò)對(duì)不同番茄圖像采集方向和不同光照參數(shù)設(shè)置下所采數(shù)據(jù)的全光譜建模，確定了最優(yōu)測(cè)量參數(shù)，為建立番茄SSC預(yù)測(cè)模型，原始光譜經(jīng)Savitzky-Golay（S-G）卷積平滑處理結(jié)合多元散射校正（multiplicative scatter correction，MSC）的預(yù)處理方法消除光譜差異、降低系統(tǒng)噪聲，應(yīng)用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（competitive adaptative reweighted sampling，CARS）選擇了22 個(gè)關(guān)鍵波長(zhǎng)；相較于全光譜，偏最小二乘回歸（partial least squares regression，PLSR）建模結(jié)果顯示特征波長(zhǎng)的選擇有效提高了分析精度。除此之外，為探究融合建模的效果，有研究將番茄的質(zhì)量、高度和寬度3 個(gè)數(shù)據(jù)單一或聯(lián)合與特征波長(zhǎng)光譜融合，分別建立特征波長(zhǎng)光譜、融合數(shù)據(jù)與番茄SSC的PLSR模型，結(jié)果顯示，數(shù)據(jù)的融合有效地提高了模型的擬合程度，其中聯(lián)合質(zhì)量和高度信息對(duì)CARS-PLSR模型補(bǔ)償效果最好，補(bǔ)償模型的預(yù)測(cè)相關(guān)系數(shù)（predictive correlation coefficient，RP）為0.91、預(yù)測(cè)均方根誤差（root mean square error of prediction，RMSEP）為0.17%。研究證明了物理性狀與光譜信息融合可以有效提高檢測(cè)的準(zhǔn)確性，為探究更加準(zhǔn)確高效的番茄SSC檢測(cè)方法提供了新的思路。

番茄內(nèi)部結(jié)構(gòu)較為復(fù)雜，不同部位的內(nèi)部品質(zhì)也具有一定差異，故圖像采集點(diǎn)位的選擇也成為學(xué)者研究的目標(biāo)。有研究選擇在番茄的赤道部位等角度取4 點(diǎn)進(jìn)行光譜采集，每點(diǎn)采集5 次，共取20 個(gè)光譜曲線的平均值作為該樣品的分析光譜[36]，基于Vis-NIR光譜原理搭建了櫻桃番茄SSC投射檢測(cè)系統(tǒng)；以前人經(jīng)驗(yàn)為參考，研究選取較為平滑的600～960 nm波段光波信息，分別經(jīng)S-G卷積平滑處理平滑后進(jìn)行一階導(dǎo)數(shù)、二階導(dǎo)數(shù)預(yù)處理，利用果徑歸一化進(jìn)行番茄果徑修正，分別建立光譜信息處理前后的偏最小二乘（partial least squares，PLS）模型以驗(yàn)證效果，結(jié)果顯示，經(jīng)果徑歸一化后的二階微分光譜預(yù)測(cè)模型的校正集和預(yù)測(cè)集相關(guān)系數(shù)分別達(dá)到0.9383和0.9360，均方根誤差分別為0.2796 °Brix和0.3955 °Brix，相較于原始光譜，建模效果明顯提高。研究表明，果徑歸一化處理可有效消除基線漂移，改善因果徑不同帶來(lái)的預(yù)測(cè)誤差，該方法對(duì)于提高番茄內(nèi)部品質(zhì)測(cè)量結(jié)果的穩(wěn)定性做出了貢獻(xiàn)。

為使檢測(cè)方法更具普適性，Brito等[37]選擇來(lái)自5 個(gè)不同地區(qū)的兩個(gè)收獲季的番茄作為樣本，基于Vis-NIR光譜技術(shù)開(kāi)發(fā)番茄果實(shí)SSC的檢測(cè)模型，采集840～1050 nm波段的光譜信息，采用正交信號(hào)校正（orthogonal signal correction，OSC）預(yù)處理，進(jìn)行主成分分析（principal component analysis，PCA）和番茄可溶性固形物PLSR建模，結(jié)果顯示，PCA不能很好地識(shí)別不同來(lái)源的番茄光譜信息，PLSR模型則呈現(xiàn)了較好的擬合效果，RMSEP為0.32%、預(yù)測(cè)決定系數(shù)（prediction coefficient，R2p）為0.67%、標(biāo)準(zhǔn)差為0.56%，模型的預(yù)測(cè)標(biāo)準(zhǔn)偏差與矯正RMSEP的比值大于1.5，證明該模型具有區(qū)分高低值的能力。研究證明了Vis-NIR光譜預(yù)測(cè)番茄SSC的能力，實(shí)現(xiàn)了利用番茄SSC的快速量化，但這也同樣證明，想要獲得更好的建模效果，還需要添加大量不同來(lái)源的番茄作為樣本。

王凡等[38]基于Vis-NIR光譜技術(shù)搭建番茄中番茄紅素含量的檢測(cè)系統(tǒng)，考慮番茄紅素對(duì)番茄果色的影響，選擇78 個(gè)不同成熟度的番茄作為樣品，采集番茄的完整透射光譜，對(duì)比多種圖像預(yù)處理方法，分別用PLS進(jìn)行建模分析，結(jié)果表明標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variate transform，SNV）預(yù)處理后的模型效果最好；為進(jìn)一步簡(jiǎn)化模型，采用無(wú)信息變量剔除（uninformative variables elimination，UVE）法、連續(xù)投影算法（successive projections algorithm，SPA）、CARS 3 種方法單獨(dú)或聯(lián)合處理（UVE-SPA、UVE-CARS）對(duì)全光譜進(jìn)行變量?jī)?yōu)選，結(jié)果顯示UVE-CARS-PLS模型預(yù)測(cè)效果最佳，以此構(gòu)建了番茄紅素含量檢測(cè)方法。為證明有效性，選用25 個(gè)番茄樣品對(duì)所建立模型進(jìn)行了驗(yàn)證，UVECARS-PLS模型的Rp為0.9812，RMSEP為0.7071 mg/kg，平均相對(duì)誤差為4.3%，預(yù)測(cè)效果顯著優(yōu)于針對(duì)全光譜的PLS模型，證明了采用UVE-CARS的特征波長(zhǎng)篩選方法有效，可提高模型精度。實(shí)驗(yàn)室層面，Vis-NIR檢測(cè)平臺(tái)的搭建在果蔬品質(zhì)無(wú)損檢測(cè)方面取得了眾多研究成果，但由于光學(xué)儀器的復(fù)雜性，無(wú)法實(shí)現(xiàn)實(shí)時(shí)檢測(cè)的要求和市場(chǎng)化的推廣。

在微機(jī)電加工技術(shù)進(jìn)步的推動(dòng)下，為實(shí)現(xiàn)Vis-NIR光譜檢測(cè)技術(shù)的大范圍的推廣，檢測(cè)儀器的便攜化成為大勢(shì)所趨。Zhang Dongyan等[39]基于Vis-NIR技術(shù)開(kāi)發(fā)了一種便攜式設(shè)備，在對(duì)不同成熟度番茄果實(shí)SSC的檢測(cè)方面進(jìn)行了嘗試，研究利用開(kāi)發(fā)的便攜式設(shè)備采集番茄在500～930 nm和900～1400 nm波段的光譜信息，對(duì)比CARS和隨機(jī)蛙跳（random frog，RF）算法選擇特征波長(zhǎng)對(duì)模型優(yōu)化，將光譜波段和特征波長(zhǎng)選擇方法作為因素，進(jìn)行雙因素完全隨機(jī)設(shè)計(jì)，分別結(jié)合PLSR和LS-SVM兩種建模方式進(jìn)行分析，比較Rp和RMSEP綜合考察預(yù)處理效果。建模結(jié)果表明，通過(guò)CARS算法在900～1400 nm范圍內(nèi)選擇特征波長(zhǎng)建立的PLS模型具有最佳性能。在后續(xù)實(shí)驗(yàn)中，模型效果得到了驗(yàn)證，模型可對(duì)5 個(gè)不同成熟度的番茄進(jìn)行預(yù)測(cè)，獨(dú)立集檢測(cè)的Rp和RMSEP分別為0.830、0.316 °Brix。而孫陽(yáng)等[40]利用AMBERII便攜式近紅外光譜儀器對(duì)櫻桃番茄的糖分進(jìn)行了快速分析，所采集的172 個(gè)櫻桃番茄樣品的近紅外光譜數(shù)據(jù)經(jīng)SNV聯(lián)合S-G卷積平滑預(yù)處理后，通過(guò)UVE和SPA兩種方法聯(lián)用提取12 個(gè)特征波長(zhǎng)，建立PLS模型，R2p為0.9347，RMSEP為0.1744，相對(duì)分析誤差為2.81。為滿足市場(chǎng)需求，國(guó)內(nèi)外相關(guān)企業(yè)已成功研制并推出了商業(yè)化的便攜式近紅外分析儀，這些儀器在果蔬品質(zhì)檢測(cè)中均有較好的適用性，為進(jìn)一步提高其實(shí)用性，完善相關(guān)輔助軟件的開(kāi)發(fā)，提高儀器的用戶友好性和操作簡(jiǎn)便性可以作為制造商的研究方向[41]。

Vis-NIR檢測(cè)技術(shù)具有低成本、高效率、普適性高等優(yōu)點(diǎn)，被廣泛的應(yīng)用于番茄品質(zhì)的在線無(wú)損檢測(cè)，但Vis-NIR光譜檢測(cè)技術(shù)存在易受環(huán)境等外界因素影響的缺點(diǎn)，提高檢測(cè)技術(shù)的抗干擾性將是提高近紅外光譜技術(shù)實(shí)用性的要點(diǎn)；就農(nóng)產(chǎn)品成分組成復(fù)雜的特點(diǎn)而言，近紅外光譜檢測(cè)技術(shù)的精度有待提高。便攜式紅外光譜的商品化推進(jìn)了近紅外光譜檢測(cè)技術(shù)的應(yīng)用，但在應(yīng)用于番茄品質(zhì)檢測(cè)時(shí)還需建立針對(duì)待測(cè)項(xiàng)目的方法和標(biāo)準(zhǔn)，另外還應(yīng)擴(kuò)大模型庫(kù)的數(shù)據(jù)量，提高檢測(cè)技術(shù)的通用性。

2.3 高光譜成像

高光譜成像技術(shù)是基于非常多窄波段的影像數(shù)據(jù)技術(shù)，它將成像技術(shù)與光譜技術(shù)相結(jié)合，探測(cè)目標(biāo)的二維幾何空間及一維光譜信息，具有多波段、高分辨率和圖譜合一的技術(shù)優(yōu)勢(shì)[42]。高光譜圖像具有更高的光譜分辨率，通常其精度可達(dá)到2～3 nm；高光譜圖像的數(shù)據(jù)是三維的，其中兩維是圖像的空間像素坐標(biāo)信息，第三維是波長(zhǎng)信息，彌補(bǔ)了傳統(tǒng)成像技術(shù)和光譜技術(shù)的局限性[43]。由于包含光譜和空間信息，在番茄無(wú)損化檢測(cè)領(lǐng)域，高光譜圖像不僅能反映番茄如果色[44]、缺陷[45-46]等的外在特征，還能反映番茄的化學(xué)成分[47]等品質(zhì)特征。

由于光源類型、打光方式等條件的不同，光在果蔬內(nèi)部所形成的光路不同，由此可將高光譜成像分為高光譜反射成像、高光譜透射成像和高光譜散射成像3 種形式[48]。為探究3 種成像形式對(duì)果蔬內(nèi)部成分測(cè)定的效果，張若宇[49]以番茄為研究對(duì)象，搭建3 種光譜成像系統(tǒng)，利用PLSR法建立番茄SSC和硬度定量分析模型，評(píng)價(jià)3 種成像模式單一及聯(lián)用模型的預(yù)測(cè)效果，研究創(chuàng)新性地利用簡(jiǎn)化的PC大津法進(jìn)行背景分割并進(jìn)一步獲取目標(biāo)光譜及紋理參數(shù)，引入像素點(diǎn)校正的思路，在高光譜反射和漫透射兩種成像模式下，利用像素歸一化校正減少了樣本由于輻照不均、樣本個(gè)體差異及其他因素對(duì)檢測(cè)結(jié)果造成的影響。經(jīng)過(guò)對(duì)比，高光譜漫透射成像技術(shù)在番茄SSC檢測(cè)中更具優(yōu)勢(shì)，高光譜反射成像對(duì)修正硬度的檢測(cè)效果最好，不同模式聯(lián)用的模型較單一模型并無(wú)改善。研究表明3 種成像模式下平均光譜對(duì)番茄SSC檢測(cè)效果均較佳，而硬度檢測(cè)中，僅針對(duì)Fxz的檢測(cè)較為有效。

針對(duì)高光譜檢測(cè)技術(shù)難以對(duì)硬度進(jìn)行精準(zhǔn)預(yù)測(cè)的問(wèn)題，龍燕等[50]基于改進(jìn)型隨機(jī)區(qū)間蛙跳算法結(jié)合高光譜技術(shù)檢測(cè)番茄硬度，選擇性地截取了信息量豐富且較為平滑的波段光譜的數(shù)據(jù)進(jìn)行MSC和歸一化處理。應(yīng)用改進(jìn)型隨機(jī)區(qū)間蛙跳算法提取特征波長(zhǎng)，對(duì)比結(jié)果證明，其改善了傳統(tǒng)RF算法收斂時(shí)間過(guò)長(zhǎng)和模型實(shí)用性差的缺陷，同時(shí)在一定程度上克服了光譜信息缺失或冗余的問(wèn)題，提高了番茄硬度檢測(cè)的時(shí)效性和準(zhǔn)確度，以此建立番茄硬度的PLSR模型，測(cè)試集RP可達(dá)0.9685，RMSEP為0.0040 kg/mm2，證明高光譜技術(shù)和RF算法結(jié)合可實(shí)現(xiàn)對(duì)番茄硬度的快速、無(wú)損檢測(cè)。

Rahman等[51]基于高光譜成像技術(shù)研發(fā)了一種無(wú)損化檢測(cè)番茄化學(xué)成分的方法，采集了95 個(gè)成熟番茄1000～1550 nm范圍內(nèi)的光譜信息，為探究更加高效準(zhǔn)確的檢測(cè)方法，分別應(yīng)用移動(dòng)加權(quán)平均平滑、歸一化、S-G卷積平滑、MSC和SNV等方法對(duì)原始光譜進(jìn)行預(yù)處理，分別建立對(duì)番茄水分含量、pH值和SSC的PLS模型，RP和RMSEP被用于評(píng)價(jià)建模效果。結(jié)果表明，1階S-G平滑預(yù)處理下的PLS模型的水分含量、pH值具有更好的性能，而基于移動(dòng)加權(quán)平均平滑預(yù)處理光譜的模型對(duì)SSC中具有更優(yōu)的預(yù)測(cè)效果，RP分別為0.81、0.69和0.74，RMSEP分別為0.63%、0.06%和0.33%。該研究建立的基于高光譜成像技術(shù)建立的PLS模型可以有效地對(duì)番茄內(nèi)部品質(zhì)進(jìn)行檢測(cè)，這證明了高光譜技術(shù)可以作為番茄無(wú)損化快速檢驗(yàn)的有效手段，但為獲得更好的魯棒性，還需要覆蓋更多品種、收獲季節(jié)的樣本。

由于番茄內(nèi)部番茄紅素等胡蘿卜素具有特殊的光譜吸收波段，并且這些成分與番茄的成熟度存在相關(guān)性，因此，國(guó)外一些學(xué)者嘗試?yán)酶吖庾V成像檢測(cè)番茄的成熟度。石玉康[52]利用高光譜成像技術(shù)構(gòu)建番茄成熟度判別模型，獲取3 個(gè)不同番茄品種不同成熟度果實(shí)的圖像數(shù)據(jù)，原始圖像數(shù)據(jù)首先經(jīng)灰度處理等預(yù)處理后采用最小外接矩形法提取番茄的縱、橫經(jīng)尺寸，平均誤差分別為0.27 mm和0.13 mm；以顏色特征a*和b*的比值作為劃分不同成熟度的依據(jù)，對(duì)所獲取的光譜信息進(jìn)行PCA，選擇11 個(gè)特征波長(zhǎng)后建立的番茄成熟度SPA-LIBSVM模型測(cè)試集的準(zhǔn)確率可達(dá)86.3%；為建立番茄果實(shí)形態(tài)結(jié)構(gòu)和組分含量性狀表型的PLSR模型，使用SPXY算法將各性狀表型值結(jié)合光譜值進(jìn)行劃分，利用SPA法進(jìn)行特征波長(zhǎng)提取，最終所得的預(yù)測(cè)模型對(duì)顏色性狀參數(shù)的預(yù)測(cè)非常準(zhǔn)確，對(duì)硬度的預(yù)測(cè)效果尚佳，但對(duì)番茄組分含量的預(yù)測(cè)效果較差，這仍為番茄的采摘期預(yù)測(cè)提供了有效的信息。

Jiang Yiping等[53]基于高光譜成像技術(shù)設(shè)計(jì)了一種半監(jiān)督算法用于番茄成熟度判別，研究通過(guò)少量標(biāo)記樣本的稀疏編碼描述未知樣本的類概率信息，利用基于拉普拉斯分?jǐn)?shù)和光譜信息散度的半監(jiān)督算法將該信息構(gòu)造為圖以實(shí)現(xiàn)特征波長(zhǎng)的選擇，建立基于類概率信息的模型并構(gòu)建連接圖，利用標(biāo)簽傳播算法對(duì)番茄成熟度進(jìn)行了判別，最終所得算法的判別準(zhǔn)確度高達(dá)96.78%，驗(yàn)證了該算法可以以少量樣本構(gòu)建精準(zhǔn)的番茄成熟度標(biāo)簽，證明了深度學(xué)習(xí)的進(jìn)步為光譜數(shù)據(jù)的處理提供了一種新的出路。

高光譜成像技術(shù)在番茄品質(zhì)檢測(cè)方面展現(xiàn)出極大的潛力，但目前，受硬件性能、數(shù)據(jù)處理速度和設(shè)備成本的限制，高光譜檢測(cè)技術(shù)的相關(guān)研究基本還停留在實(shí)驗(yàn)室規(guī)模，依舊缺少在實(shí)際應(yīng)用層面的經(jīng)驗(yàn)。針對(duì)高光譜檢測(cè)技術(shù)數(shù)據(jù)量大、算法復(fù)雜等問(wèn)題，還需探索有效措施對(duì)全波段高光譜圖像進(jìn)行特征波長(zhǎng)選取，降低數(shù)據(jù)冗余量，提高高光譜圖像的處理效率，還期待機(jī)器學(xué)習(xí)背景下算法的升級(jí)。高光譜成像技術(shù)在番茄品質(zhì)檢測(cè)領(lǐng)域的實(shí)際應(yīng)用，還需提升檢測(cè)性能、降低儀器成本，這有賴于光學(xué)技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展。

2.4 表面增強(qiáng)拉曼光譜（surface-enhanced Raman spectroscopy，SERS）技術(shù)

拉曼光譜基于拉曼效應(yīng)，通過(guò)記錄拉曼位移波數(shù)實(shí)現(xiàn)從分子水平上反映樣品化學(xué)組成和分子結(jié)構(gòu)上的差異，同時(shí)光譜強(qiáng)度與入射光強(qiáng)度和樣品分子的濃度呈正比[54]，拉曼光譜由此實(shí)現(xiàn)對(duì)樣品的定性定量分析。SERS技術(shù)是基于入射光和電磁場(chǎng)在等離子體局域場(chǎng)表面的耦合作用，使拉曼散射信號(hào)增強(qiáng)106～1015倍的一種信號(hào)放大檢測(cè)技術(shù)，SERS技術(shù)因其幾乎不受水分影響、靈敏度高、響應(yīng)迅速以及特異性強(qiáng)等優(yōu)勢(shì)[55]，成為果蔬作物農(nóng)殘快速檢測(cè)的主要手段。

近些年，隨著科學(xué)的不斷進(jìn)步，傳統(tǒng)的剛性SERS基底逐步被取代，可彎曲、靈活性強(qiáng)、可吸附在復(fù)雜表面進(jìn)行原位檢測(cè)的柔性材料[56]被廣泛應(yīng)用于果蔬表面農(nóng)藥殘留的鑒別。劉霄希[57]基于SERS技術(shù)研發(fā)了一種用于快速檢測(cè)番茄表面農(nóng)藥殘留的新型柔性材料，研究首先以光譜信號(hào)強(qiáng)度和農(nóng)藥采樣效率為依據(jù)選擇3M9080作為柔性支撐物；為進(jìn)一步使信號(hào)增強(qiáng)優(yōu)化，針對(duì)3 種待測(cè)農(nóng)藥分別確定了膠體的濃度和用量以及凝聚劑的種類和用量；為去除無(wú)關(guān)變量、提升建模效果，分別采用PLS、LS-SVM模型，對(duì)SPA法、CASR法選擇的特征變量和拉曼特征峰波段建模，結(jié)果顯示基于拉曼特征峰波段建立的LS-SVM模型效果最好。研究證明該新型柔性SERS基底可適用于番茄表面農(nóng)藥殘留的快速無(wú)損檢測(cè)。

Ma Pei等[58]基于SERS技術(shù)對(duì)番茄表面殘留毒死蜱濃度進(jìn)行檢測(cè)，研究首先以標(biāo)準(zhǔn)毒死蜱溶液為測(cè)量對(duì)象，獲得毒死蜱濃度與SERS關(guān)鍵特征峰之間的線性方程；應(yīng)用以銀膠體作為增強(qiáng)基底的SESR技術(shù)獲取番茄表面拉曼光譜，光譜經(jīng)過(guò)處理分析后，將所獲關(guān)鍵特征峰信息與標(biāo)準(zhǔn)方程進(jìn)行對(duì)照以獲得番茄表面農(nóng)藥殘留的濃度信息，結(jié)果表明SERS技術(shù)所獲光譜的重復(fù)性極高，所得線性方程也具有極高的擬合度，為SERS技術(shù)在毒死蜱含量測(cè)定方面提供了新的思路。

SERS基底的制備是擴(kuò)大SERS研究范圍和應(yīng)用領(lǐng)域的重點(diǎn)，隨著納米材料的制備技術(shù)日益成熟，可控粒度與形狀的納米顆粒被廣泛作為模型材料應(yīng)用于SERS檢測(cè)。Hu Bingxue等[59]基于SERS技術(shù)，以大面積的高密度金納米棒陣列基板作為基底獲取番茄表面混合農(nóng)藥的光譜信息；采用簡(jiǎn)單線性混合光譜分解方法從所獲拉曼光譜中實(shí)現(xiàn)了對(duì)每種農(nóng)藥光譜的識(shí)別和分離，結(jié)果表明SERS技術(shù)結(jié)合簡(jiǎn)單線性混合光譜分解方法，可以將單一組分的光譜信息從混合物光譜中分離出來(lái)，實(shí)現(xiàn)了對(duì)番茄表面殘留農(nóng)藥的定性和定量分析。

2.5 電子鼻

電子鼻又稱氣味掃描儀，主要由氣敏傳感器陣列、信號(hào)預(yù)處理和模式識(shí)別3 部分組成。電子鼻技術(shù)通過(guò)模擬人類嗅覺(jué)機(jī)理，在檢測(cè)過(guò)程中采集揮發(fā)成分的整體信息，利用不同傳感器對(duì)一種氣味靈敏度的差異，將氣味信息轉(zhuǎn)化為電信號(hào)，與數(shù)據(jù)庫(kù)中的信號(hào)加以比較從而實(shí)現(xiàn)智能檢測(cè)[60]。電子鼻技術(shù)操作簡(jiǎn)單、快速高效，且避免了樣品復(fù)雜的預(yù)處理，被廣泛應(yīng)用于果蔬品質(zhì)檢測(cè)領(lǐng)域。

芳香物質(zhì)在番茄中的含量雖然不高，但其種類和含量隨著品種和成熟階段的不同呈現(xiàn)明顯差異，對(duì)風(fēng)味有著較大的影響，而電子鼻通過(guò)對(duì)這些揮發(fā)性成分的響應(yīng)實(shí)現(xiàn)對(duì)番茄品質(zhì)的檢測(cè)。

番茄在生長(zhǎng)、采后貯藏的過(guò)程中，營(yíng)養(yǎng)成分和與氣味相關(guān)的芳香物質(zhì)也會(huì)發(fā)生改變，利用電子鼻采集番茄的氣味信息，提取合適的氣味特征，結(jié)合模式識(shí)別，可對(duì)番茄成熟度進(jìn)行識(shí)別。潘思慧[61]基于電子鼻技術(shù)，提取每根傳感器對(duì)番茄氣味響應(yīng)信號(hào)的穩(wěn)定值作為特征變量對(duì)番茄成熟度進(jìn)行判斷，分別采用K近鄰（K-nearest-neighbor，KNN）法和SVM建立番茄成熟度識(shí)別模型，結(jié)果表明，基于氣味特征的SVM模型能更好地識(shí)別番茄成熟度，模型訓(xùn)練集準(zhǔn)確率為84.72%，預(yù)測(cè)集準(zhǔn)確率為83.33%。

不同成熟階段中，番茄的內(nèi)部組分不斷發(fā)生變化，隨著番茄內(nèi)部果膠酶的作用，番茄硬度也產(chǎn)生顯著變化，研究人員基于番茄成熟度與硬度之間的關(guān)系，利用電子鼻技術(shù)采集番茄的特征信息實(shí)現(xiàn)對(duì)番茄成熟度的判別和硬度的預(yù)測(cè)[62]。實(shí)驗(yàn)劃分了6 個(gè)番茄成熟度等級(jí)，選取不同成熟階段的番茄共209 個(gè)，利用選定的10 個(gè)傳感器對(duì)番茄的氣味做出交互響應(yīng)，記錄傳感器響應(yīng)值，提取傳感器的平均值作為變量數(shù)據(jù)，利用PCA法減少變量個(gè)數(shù)，利用分析后的數(shù)據(jù)建立番茄成熟度的Fisher判別分析模型和支持向量分類器分類模型，對(duì)比準(zhǔn)確度發(fā)現(xiàn)后者對(duì)番茄成熟度的判別具有更高的準(zhǔn)確性，預(yù)測(cè)集準(zhǔn)確度可達(dá)94.20%；同時(shí)建立響應(yīng)值和番茄硬度的PLS和支持向量回歸模型，結(jié)果顯示，硬度的支持向量回歸模型的擬合程度更好，Rp為95.14%，RMSEP為0.03 N，呈現(xiàn)更好的線性關(guān)系。研究證明了電子鼻在番茄成熟度相關(guān)品質(zhì)檢測(cè)方面的潛力。

氣味可以作為食物新鮮與否的判斷依據(jù)，馮蕾[63]證明了櫻桃番茄的風(fēng)味特征與其新鮮度及相關(guān)品質(zhì)指標(biāo)之間存在較強(qiáng)的相關(guān)性。電子鼻技術(shù)的發(fā)展，成功克服了人類嗅覺(jué)的靈敏程度的局限性和感官難以量化的問(wèn)題，使得通過(guò)氣味特征對(duì)番茄相關(guān)指標(biāo)進(jìn)行檢測(cè)得以實(shí)現(xiàn)。

Wang Xiaoliang等[64]利用電子鼻對(duì)番茄的新鮮度進(jìn)行判別，比較了鞘系數(shù)特征、相似熵特征和能量特征3 種特征提取方法，實(shí)驗(yàn)證明相似熵特征提取方法在電子鼻檢測(cè)中具有優(yōu)勢(shì)。Feng Lei等[65]直接以電子鼻傳感器負(fù)載作為變量進(jìn)行分析，討論了電子鼻評(píng)價(jià)櫻桃番茄新鮮度的可靠性，研究首先將番茄新鮮度分為4 個(gè)等級(jí)，櫻桃番茄樣品被隨機(jī)分為兩組，一組作為空白對(duì)照，另一組分別在0.4、0.8、1.2 MPa下進(jìn)行高壓氬氣處理，分別對(duì)貯藏0、5、10、15、20、25 d的兩組櫻桃番茄進(jìn)行檢測(cè)，實(shí)驗(yàn)中14 個(gè)電子鼻傳感器被用于對(duì)番茄氣味做出相響應(yīng)，收集的響應(yīng)值經(jīng)PCA法處理確定了兩個(gè)PC，成功對(duì)不同壓力條件不同貯藏時(shí)間的番茄進(jìn)行新鮮度辨別，得出0.8 MPa條件下高壓氬氣處理櫻桃番茄具有更好的保鮮效果的結(jié)論。同樣X(jué)u Sai等[66]也以電子鼻響應(yīng)值作為特征，檢測(cè)和監(jiān)控采后不同處理番茄的風(fēng)味變化，實(shí)驗(yàn)使用10 個(gè)傳感器用于發(fā)生響應(yīng)，響應(yīng)值采用PCA和線性判別分析進(jìn)行處理，為進(jìn)一步驗(yàn)證電子鼻檢測(cè)采后風(fēng)味變化的效果，采用非線性的KNN法建模，結(jié)果顯示，電子鼻響應(yīng)值的KNN模型可對(duì)室溫放置、5 ℃冷藏的番茄和不同溫度熱燙處理的番茄進(jìn)行識(shí)別，驗(yàn)證集準(zhǔn)確率高達(dá)100%。研究證實(shí)了電子鼻對(duì)于番茄風(fēng)味變化檢測(cè)的準(zhǔn)確性，電子鼻技術(shù)的應(yīng)用為番茄采后處理中風(fēng)味的檢測(cè)提供了新的思路，為番茄貯藏過(guò)程中的品質(zhì)實(shí)時(shí)監(jiān)測(cè)提供了可能。

氣味特征與番茄物化指標(biāo)之間的關(guān)系同樣得到了驗(yàn)證。基于電子鼻響應(yīng)值，PLS及SVM兩種方法成功地識(shí)別新鮮、可接受及腐敗3 個(gè)新鮮度等級(jí)的櫻桃番茄樣品，兩種模型訓(xùn)練集、測(cè)試集正確識(shí)別率均可達(dá)100.00%；采用PLS法對(duì)櫻桃番茄的硬度、pH值及SSC進(jìn)行建模，以、RMSEP和相對(duì)百分比差異（relative percentage difference，RPD）作為標(biāo)準(zhǔn)對(duì)建模效果進(jìn)行評(píng)價(jià)；結(jié)果顯示，硬度預(yù)測(cè)模型的為0.9079，RMSEP為0.5399%，RPD為3.3505；pH值預(yù)測(cè)模型的為0.9323，RMSEP為0.0247，RPD為3.9070；SSC預(yù)測(cè)模型的為0.9249，RMSEP為0.1613%，RPD為3.7108，證明了櫻桃番茄貯藏期間品質(zhì)與風(fēng)味特征變化具有良好的線性關(guān)系，基于電子鼻結(jié)合PLS法可以對(duì)櫻桃番茄的新鮮度相關(guān)品質(zhì)指標(biāo)進(jìn)行快速而準(zhǔn)確的定量預(yù)測(cè)。

由環(huán)境變化、待測(cè)組分變化、儀器老化等原因造成的電子鼻響應(yīng)漂移[67]不可避免，這將降低電子鼻的有效性，解決電子鼻傳感器響應(yīng)漂移的問(wèn)題，對(duì)在農(nóng)產(chǎn)品檢測(cè)方面充分發(fā)揮電子鼻技術(shù)的作用具有重要意義。Valcárcel等[68]利用基于與分量校正的PLS自適應(yīng)耦合的乘法漂移校正過(guò)程矯正了短期漂移，并通過(guò)使用合成參考標(biāo)準(zhǔn)混合物標(biāo)定了長(zhǎng)期漂移，在此基礎(chǔ)上優(yōu)化了電子鼻對(duì)番茄揮發(fā)性成分的分析。

隨著電子鼻領(lǐng)域研究的不斷進(jìn)步，以及納米材料的創(chuàng)新研發(fā)與應(yīng)用投產(chǎn)，電子鼻的商業(yè)化產(chǎn)品已經(jīng)在番茄品質(zhì)檢測(cè)方面得到了實(shí)際應(yīng)用。目前，研究人員不再局限于使用商業(yè)化模式下傳感器陣列固定的電子鼻，而是根據(jù)檢測(cè)對(duì)象的特性，設(shè)計(jì)相應(yīng)的傳感器陣列以獲得更好的檢測(cè)效果，在未來(lái)，結(jié)合待測(cè)目標(biāo)的揮發(fā)性氣體對(duì)電子鼻的傳感器進(jìn)行深入研究，選擇出檢測(cè)精度更高的傳感器是電子鼻技術(shù)的前進(jìn)方向。同時(shí)，電子鼻的傳感器只能對(duì)氣味信息做出響應(yīng)，獲取的信息有限，在后續(xù)的研究道路上還需結(jié)合實(shí)際用途與其他信息源的特征信息進(jìn)行補(bǔ)充融合，消除單一信息源的局限性，結(jié)合人工智能算法，尋求更好的數(shù)據(jù)特征提取技術(shù)和識(shí)別方法，提升智能化程度。

3 展 望

番茄是世界范圍內(nèi)種植最廣泛的蔬菜之一，消費(fèi)的升級(jí)與貿(mào)易全球化的進(jìn)程帶動(dòng)了人們對(duì)番茄品質(zhì)更高的追求。對(duì)番茄的品質(zhì)進(jìn)行更加全面的檢測(cè)、分析和評(píng)價(jià)，為育種工作提供了理論基礎(chǔ)，為出品等級(jí)劃分提供了依據(jù)，為提高加工質(zhì)量提供了保障，對(duì)提升番茄的商業(yè)價(jià)值有重大意義。

但由于番茄復(fù)雜的結(jié)構(gòu)與豐富的成分，很難實(shí)現(xiàn)對(duì)番茄品質(zhì)快速、準(zhǔn)確的測(cè)量。隨著科技的進(jìn)步與時(shí)代的需要，電子器官及各類光譜檢測(cè)技術(shù)被廣泛的用于番茄品質(zhì)檢測(cè)。國(guó)內(nèi)外學(xué)者針對(duì)新型檢測(cè)技術(shù)在番茄品質(zhì)檢測(cè)上做出了眾多的研究，這些研究開(kāi)辟了番茄檢測(cè)的新思路，為我國(guó)番茄行業(yè)的進(jìn)步創(chuàng)造了更多可能，同時(shí)開(kāi)拓了更大的進(jìn)步空間。下文將從5 個(gè)角度出發(fā)，展望新型檢測(cè)技術(shù)為我國(guó)番茄行業(yè)的創(chuàng)造的機(jī)遇以及面臨的挑戰(zhàn)。

3.1 番茄品質(zhì)檢測(cè)技術(shù)的無(wú)損化發(fā)展

在國(guó)內(nèi)外的各項(xiàng)研究中，諸如各類光學(xué)檢測(cè)技術(shù)作為無(wú)損化檢測(cè)手段被廣泛應(yīng)用于番茄品質(zhì)檢測(cè)領(lǐng)域。利用各類光學(xué)技術(shù)對(duì)番茄SSC、番茄紅素含量等理化指標(biāo)進(jìn)行檢測(cè)的研究均獲得了良好的預(yù)測(cè)結(jié)果，證明了該技術(shù)在番茄品質(zhì)無(wú)損化檢測(cè)技術(shù)方面的潛力。但在目前的研究中，無(wú)損檢測(cè)技術(shù)在番茄品質(zhì)的檢測(cè)上也體現(xiàn)出一些局限性，例如Vis-NIR光譜的使用依賴待測(cè)組分對(duì)特定頻率的光產(chǎn)生差異性吸收，而針對(duì)可揮發(fā)性物質(zhì)等，這些成分在番茄中的含量較低，難以通過(guò)光吸收差異對(duì)其進(jìn)行定性定量分析。

目前的研究中，有學(xué)者分析番茄各組分之間的相關(guān)性，以此構(gòu)建方程，間接獲得相關(guān)待測(cè)指標(biāo)，但番茄成分復(fù)雜導(dǎo)致的干擾多等問(wèn)題，使得所建方程存在預(yù)測(cè)效果一般、魯棒性差等缺陷。在后續(xù)研究中，還需進(jìn)一步研究對(duì)于此類指標(biāo)的無(wú)損化研究手段，或通過(guò)優(yōu)化數(shù)據(jù)處理手段減少干擾，構(gòu)建更有效的數(shù)學(xué)模型。

3.2 番茄檢測(cè)技術(shù)優(yōu)缺點(diǎn)及應(yīng)用現(xiàn)狀對(duì)比

與傳統(tǒng)檢測(cè)技術(shù)相比，新型檢測(cè)技術(shù)克服了傳統(tǒng)方法費(fèi)時(shí)費(fèi)力、操作繁瑣、破壞性強(qiáng)等缺點(diǎn)，可作為快速有效的檢測(cè)技術(shù)應(yīng)用于番茄品質(zhì)檢測(cè)，具備極大的應(yīng)用潛力。然而，目前基于硬件設(shè)施以及處理方法等因素的約束，新型檢測(cè)技術(shù)仍具有一定局限性，商品化程度和應(yīng)用推廣度的提高還需要大量的理論研究和應(yīng)用研究支撐。表3總結(jié)了現(xiàn)有無(wú)損檢測(cè)技術(shù)的優(yōu)勢(shì)、局限性以及應(yīng)用現(xiàn)狀，旨在為后續(xù)研究提供參考。

表3 新型番茄檢測(cè)技術(shù)的優(yōu)勢(shì)、局限性和應(yīng)用現(xiàn)狀Table 3 Advantages,limitations and current status of application of new tomato detection technologies

3.3 智能化檢測(cè)技術(shù)的多元融合

機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉的學(xué)科。機(jī)器學(xué)習(xí)以計(jì)算機(jī)作為工具通過(guò)模仿人類的學(xué)習(xí)行為獲取新的知識(shí)和技能并改善自身的性能，是人工智能的核心。隨著農(nóng)業(yè)智能化進(jìn)程的推進(jìn)，機(jī)器學(xué)習(xí)被廣泛的應(yīng)用于農(nóng)業(yè)生產(chǎn)領(lǐng)域的研究。在農(nóng)產(chǎn)品檢測(cè)方面，機(jī)器學(xué)習(xí)在果實(shí)的識(shí)別與檢測(cè)的研究方面取得了令人滿意的成果，RF算法、SVM法、KNN法等顯著提高了數(shù)據(jù)處理速度，提高了檢測(cè)效率。但針對(duì)龐大的數(shù)據(jù)量和復(fù)雜的實(shí)際應(yīng)用背景，傳統(tǒng)的機(jī)器學(xué)習(xí)算法依然存在處理步驟繁雜、識(shí)別精度不足等問(wèn)題。

深度學(xué)習(xí)是機(jī)器視覺(jué)的一個(gè)子部分，是近些年機(jī)器學(xué)習(xí)領(lǐng)域熱門的研究方向。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)，“深度”是一個(gè)技術(shù)術(shù)語(yǔ)，指的是“網(wǎng)絡(luò)”中的層/段數(shù)[69]，深度學(xué)習(xí)通過(guò)各種卷積提供數(shù)據(jù)的分層表示，提供了更大的學(xué)習(xí)能力，從而提高了算法的性能和精度。深度學(xué)習(xí)是一類模式分析方法的統(tǒng)稱，其中比較典型的模型有卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）、深度信念網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)模型等。Kamilaris等[70]通過(guò)分析農(nóng)業(yè)領(lǐng)域內(nèi)40余項(xiàng)采用深度學(xué)習(xí)技術(shù)的研究工作得出結(jié)論，深度學(xué)習(xí)的圖像處理和數(shù)據(jù)分析能力優(yōu)于其他的主流技術(shù)。

CNN是目前較為流行的算法之一。在農(nóng)業(yè)領(lǐng)域，CNN結(jié)合的圖像識(shí)別技術(shù)被廣泛的應(yīng)用于果蔬的識(shí)別與分類等[71-73]，相關(guān)研究證明CNN具備對(duì)果蔬進(jìn)行品質(zhì)檢測(cè)的潛力[74-75]。CNN模型需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，在數(shù)據(jù)量較小的情況下模型會(huì)出現(xiàn)過(guò)度擬合導(dǎo)致性能下降的情況；但針對(duì)大規(guī)模的數(shù)據(jù)樣本，模型的特征提取能力將會(huì)相應(yīng)提高，處理速度和準(zhǔn)確率增強(qiáng)。

由此，結(jié)合機(jī)器學(xué)習(xí)的檢測(cè)技術(shù)將會(huì)是農(nóng)業(yè)智能化的必然趨勢(shì)，但其實(shí)用化進(jìn)程需要建立相應(yīng)數(shù)據(jù)庫(kù)的支持。目前，在我國(guó)農(nóng)產(chǎn)品檢測(cè)領(lǐng)域，機(jī)器學(xué)習(xí)還需要克服成本投入較高和專業(yè)人才缺乏的局限。

3.4 番茄品質(zhì)的消費(fèi)段快速查詢

番茄的品質(zhì)決定了番茄的產(chǎn)品等級(jí)、加工用途等，是番茄產(chǎn)業(yè)消費(fèi)段的選擇依據(jù)。當(dāng)今的番茄消費(fèi)群體中，番茄深加工企業(yè)為追求良好的產(chǎn)品品質(zhì)，希望明確番茄的各項(xiàng)內(nèi)部品質(zhì)；番茄零售商希望對(duì)番茄有更明確的分級(jí)以實(shí)現(xiàn)利益最大化；廣大的消費(fèi)者不僅追求“形”，更對(duì)番茄的“味”有更高的追求。在這樣的要求下，實(shí)現(xiàn)對(duì)番茄品質(zhì)消費(fèi)端的快速檢測(cè)成為新的想法。新型檢測(cè)技術(shù)的誕生，極大地提高了番茄品質(zhì)檢測(cè)的效率，使這樣的想法成為了可能。隨著光譜技術(shù)的進(jìn)步，眾多研究采用多種光譜處理方法消除噪音，極大地減弱了番茄背景對(duì)檢測(cè)效果的影響，實(shí)現(xiàn)了番茄品質(zhì)的田間監(jiān)控，電子鼻的應(yīng)用可對(duì)貯藏期番茄的品質(zhì)進(jìn)行監(jiān)控，但目前檢測(cè)應(yīng)用的手段還存在檢測(cè)儀器體積龐大、操作專業(yè)性強(qiáng)等問(wèn)題，難以實(shí)現(xiàn)番茄品質(zhì)現(xiàn)場(chǎng)快速檢測(cè)的預(yù)期。

為解決上述問(wèn)題，便攜式檢測(cè)儀器的開(kāi)發(fā)成為主流趨勢(shì)，眾多學(xué)者在該領(lǐng)域做出了嘗試，但大多存在魯棒性不佳、檢測(cè)重現(xiàn)性差等問(wèn)題，還需要通過(guò)數(shù)據(jù)處理方法的優(yōu)化和對(duì)更廣泛樣本的建模以提高效率。另外，有學(xué)者開(kāi)發(fā)了一種從手機(jī)拍攝的單幅RGB圖片的重建高光譜圖像的技術(shù)[76]，重建技術(shù)解決了光譜儀器價(jià)格高昂、操作專業(yè)性強(qiáng)的問(wèn)題，為實(shí)現(xiàn)番茄各項(xiàng)指標(biāo)的現(xiàn)場(chǎng)化檢測(cè)提供了新的思路。

除在技術(shù)方面的提高外，我國(guó)番茄市場(chǎng)還應(yīng)大力推廣番茄快速檢測(cè)技術(shù)，通過(guò)多行業(yè)接力實(shí)現(xiàn)對(duì)番茄品質(zhì)的監(jiān)控，以實(shí)踐經(jīng)驗(yàn)為技術(shù)進(jìn)步提供數(shù)據(jù)技術(shù)，以技術(shù)進(jìn)步推動(dòng)方法實(shí)際應(yīng)用。搭建番茄品質(zhì)檢測(cè)平臺(tái)，從種植基地對(duì)番茄進(jìn)行編碼，沿產(chǎn)業(yè)鏈布置番茄品質(zhì)檢測(cè)系統(tǒng)，番茄生產(chǎn)過(guò)程中的各類信息均可云端同步，下級(jí)的使用者可通過(guò)“智能標(biāo)簽”對(duì)上級(jí)信息進(jìn)行查看。

在數(shù)字化的當(dāng)今，手機(jī)成為人們生活中重要的工具，相關(guān)手機(jī)軟件的開(kāi)發(fā)為番茄質(zhì)量品質(zhì)信息的實(shí)時(shí)化共享提供了可能，真正實(shí)現(xiàn)對(duì)番茄“從田間到餐桌”的品質(zhì)檢測(cè)。目前已有學(xué)者基于Android系統(tǒng)開(kāi)發(fā)了相應(yīng)軟件[77]，用戶通過(guò)手機(jī)客戶端下載軟件獲得權(quán)限，即可獲得相應(yīng)便攜式裝置獲得的櫻桃番茄近紅外光譜實(shí)時(shí)數(shù)據(jù)，軟件可經(jīng)實(shí)驗(yàn)所驗(yàn)證的SPA-PLS模型實(shí)時(shí)分析、顯示樣品的待測(cè)指標(biāo)結(jié)果。該軟件的成功開(kāi)發(fā)，推進(jìn)了番茄品質(zhì)實(shí)時(shí)檢測(cè)的進(jìn)程，為后續(xù)研究指引了新的道路。

3.5 番茄品質(zhì)標(biāo)準(zhǔn)的升級(jí)革新

經(jīng)濟(jì)全球化進(jìn)程趨勢(shì)下，出口貿(mào)易是我國(guó)番茄的主要銷售手段之一，但目前我國(guó)番茄質(zhì)量的相關(guān)標(biāo)準(zhǔn)存在標(biāo)齡較長(zhǎng)、指導(dǎo)力度不足等問(wèn)題，同時(shí)相較于一些進(jìn)口國(guó)，這些標(biāo)準(zhǔn)在系統(tǒng)性、科學(xué)性和實(shí)用性等方面也亟待提高。為使我國(guó)番茄品質(zhì)標(biāo)準(zhǔn)體系與國(guó)際接軌，需要實(shí)現(xiàn)對(duì)番茄品質(zhì)更加具體、更加精確的檢測(cè)，同時(shí)對(duì)番茄品質(zhì)的綜合評(píng)價(jià)提出了新的期望。

表4展示了我國(guó)標(biāo)準(zhǔn)NY/T 940—2006《番茄等級(jí)規(guī)格》與外標(biāo)FFV-36:2000《番茄》中關(guān)于番茄規(guī)格的劃分標(biāo)準(zhǔn)，可見(jiàn)，F(xiàn)FV-36:2000的劃分標(biāo)準(zhǔn)不僅更加細(xì)致，且對(duì)測(cè)量的精度有著更高的要求。為此，在后續(xù)的研究中，新型檢測(cè)技術(shù)除要提高檢測(cè)準(zhǔn)確性外，還需提高其檢測(cè)精度。

表4 國(guó)內(nèi)外標(biāo)準(zhǔn)對(duì)番茄規(guī)格的劃分Table 4 Classification of tomato specifications by national and international standards

我國(guó)的劃分標(biāo)準(zhǔn)較為籠統(tǒng)，應(yīng)更多地關(guān)注不同品種、不同地域番茄之間的差異，這要求更大規(guī)模樣本的番茄品質(zhì)參數(shù)的采集；目前我國(guó)的標(biāo)準(zhǔn)也較為單一，大多是針對(duì)番茄的某幾個(gè)指標(biāo)對(duì)番茄進(jìn)行等級(jí)規(guī)格的劃分，各項(xiàng)研究中大多也是針對(duì)番茄單個(gè)指標(biāo)進(jìn)行建模，而面向番茄綜合品質(zhì)評(píng)價(jià)模型的研究較少。在后續(xù)的研究中，應(yīng)考慮多種快速檢測(cè)方法所獲信息的聯(lián)合處理，結(jié)合多種不同的數(shù)據(jù)建立番茄綜合品質(zhì)的評(píng)價(jià)模型，既可使各項(xiàng)指標(biāo)彼此之間互為彌補(bǔ)，又可避免單一數(shù)據(jù)源造成的偏差。應(yīng)結(jié)合各類數(shù)據(jù)處理方法，建立番茄綜合品質(zhì)的量化評(píng)價(jià)模型，輸入番茄的各個(gè)品質(zhì)參數(shù)獲得番茄的評(píng)分；同時(shí)考慮各類用途番茄中各項(xiàng)品質(zhì)參數(shù)的最佳配比，對(duì)待測(cè)番茄給出響應(yīng)的評(píng)價(jià)；綜合考量多個(gè)因素對(duì)番茄進(jìn)行等級(jí)、用途等的劃分，使劃分更具有科學(xué)性和目的性。

4 結(jié)語(yǔ)

番茄無(wú)損檢測(cè)技術(shù)能夠快速、準(zhǔn)確的判斷番茄的質(zhì)量，提高產(chǎn)品的附加值和市場(chǎng)競(jìng)爭(zhēng)力。本文從外觀、風(fēng)味、營(yíng)養(yǎng)、安全4 個(gè)方面系統(tǒng)性的總結(jié)了番茄品質(zhì)檢測(cè)的主要指標(biāo)，著重對(duì)機(jī)器視覺(jué)、電子鼻、Vis-NIR光譜、高光譜成像技術(shù)和SERS等新型檢測(cè)技術(shù)進(jìn)行綜合性的論述與分析，結(jié)合當(dāng)前研究所暴露的問(wèn)題和當(dāng)今番茄市場(chǎng)的需求，對(duì)新型檢測(cè)技術(shù)在番茄品質(zhì)檢測(cè)領(lǐng)域的發(fā)展進(jìn)行了展望。

目前番茄無(wú)損檢測(cè)技術(shù)已具有相當(dāng)?shù)耐黄?，但在?shí)際應(yīng)用中仍存在一定局限性。因此，未來(lái)的發(fā)展前景還有很大的提升空間。一方面，可以通過(guò)不斷優(yōu)化檢測(cè)技術(shù)，提高檢測(cè)的準(zhǔn)確性和效率，同時(shí)減少檢測(cè)成本，提高技術(shù)的可行性和經(jīng)濟(jì)性；另一方面，還可以通過(guò)與智能化設(shè)備和大數(shù)據(jù)技術(shù)的結(jié)合，實(shí)現(xiàn)對(duì)大規(guī)模番茄生產(chǎn)的檢測(cè)和控制，為農(nóng)業(yè)生產(chǎn)的智能化發(fā)展提供更加完善的解決方案。

總之，番茄無(wú)損檢測(cè)技術(shù)具有廣泛的應(yīng)用前景，在農(nóng)業(yè)、食品等領(lǐng)域具有重要意義。隨著技術(shù)的不斷發(fā)展和完善，它將成為提高番茄生產(chǎn)質(zhì)量和效率的重要手段，也將為現(xiàn)代農(nóng)業(yè)的智能化發(fā)展提供強(qiáng)有力的支持。