来源：期刊VIP网 时间：
作者：刘军;曹小平;王瑞琴;李敏;
单位：重庆科创职业学院;重庆理工大学;四川农业大学;
摘要：[目的]提高自动化生产线中番茄品质检测的准确性与效率，解决传统检测依赖人工、精度低、效率差的问题。[方法]基于番茄自动化生产线品质检测系统，构建高光谱与机器视觉融合的内外品质检测系统。高光谱检测数据经预处理后，输入改进最小二乘支持向量机LSSVM模型检测番茄可溶性固形物和硬度，完成内部品质检测。机器视觉采集数据预处理后，输入改进YOLOv12模型检测外部缺陷，并计算番茄尺寸与果形指数，实现外部品质检测。并通过试验验证方法的优越性。[结果]内部品质检测方法对可溶性固形物、硬度预测决定系数（R~2）分别为0.965和0.975，均方根误差（RMSE）分别为0.082°Bx和0.061 N。改进YOLOv12模型缺陷检测平均精度均值为99.20%，检测速度>100帧/s，综合性能优于单一检测和现有方法。[结论]该融合检测系统可实现番茄内外品质同步、无损、高效检测，满足生产线需求。
关键词：自动化生产线;;番茄品质检测;;高光谱;;机器视觉;;最小二乘支持向量机;;YOLOv12模型
基金资助：重庆市教育评估研究会重大课题（编号：PJY2023008）;; 重庆市教委科学技术研究计划青年项目（编号：KJQN202505414,KJQN202405415,KJQN202505415）;; 重庆市永川区科学技术研究项目（编号：2025yc-cxfz10080）
