来源：期刊VIP网 时间：
作者：高燕飞;徐雪峰;黄余;赵小飞;
单位：山西省财政税务专科学校;太原理工大学;江苏电子信息职业学院;圣路易斯大学;南京农业大学;
摘要：[目的]解决传统的番茄人工分级效率低、主观性强的问题，开发一套基于物联网与机器学习技术的番茄内外品质在线检测与分级系统，实现番茄内外品质无损实时检测。[方法]融合机器视觉与近红外光谱技术，基于物联网和机器学习技术，设计并实现了一套番茄在线无损检测与分级系统。通过实时采集番茄的外部图像和内部光谱信息，通过深度学习模型对外部缺陷、果形指数和果径进行检测，同时利用近红外光谱技术预测番茄的可溶性固形物和硬度，最终实现番茄的在线检测与分级。[结果]番茄品质在线检测系统性能优异：外部品质检测准确率为94.9%，内部品质预测模型准确率为87.3%，融合分级后综合准确率提升至88.5%，系统处理效率达19个/min。[结论]通过机器视觉与近红外光谱的协同优化，突破了传统单一品质检测的局限性，显著提升了番茄内外品质分级的精度与效率。
关键词：物联网;;番茄品质;;在线检测;;机器视觉;;近红外光谱
基金资助：山西省职业教育教学改革与实践研究重点项目（编号：202302013）;; 江苏省科技厅产学研项目（编号：BY20231018）
