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(yǎng)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(yè)性的角度出發(fā)，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?？扇苄怨绦挝铮⊿SC）和硬度是評估產品質量的兩個主要指標?，F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(yè)食品包裝、醫(yī)學圖像分類及水果質量分析。
基于此，來自浙江工業(yè)大學和浙江省農業(yè)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(fā)了無損式測量技術。
高光譜成像系統(tǒng)
【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(tǒng)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(yōu)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。
請點擊下方鏈接，閱讀原文：
https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650316779&idx=1&sn=494788e5fb0f3fd3ce8e1da359dc4296&chksm=bee1b31489963a026537c26067d95119930434a19a99d03d2a6db7bd879bdd4d4aa4454371e7&token=341765797&lang=zh_CN#rd