基于线性变换反射光谱指数的番茄可溶性固形物含量新型估测模型研究

《Frontiers in Plant Science》：Novel estimation of tomato soluble solids content using linearly transformed reflectance-based spectral indices

本文提出一种结合高光谱反射率与遗传算法（GA）优化的番茄可溶性固形物含量（SSC）估测新框架。通过构建线性变换差异光谱指数（ltDSI）、归一化差异光谱指数（ltNDSI）及比值光谱指数（ltRSI），显著提升模型跨品种泛化能力，验证集决定系数（R2）达0.80，均方根误差（RMSE）约0.6°Brix。该研究为低成本田间光谱传感工具开发提供关键技术支撑。

　　

引言

番茄（Solanum lycopersicum L.）作为全球广泛种植的园艺作物，其可溶性固形物含量（SSC）是影响风味品质与市场价值的关键指标。传统SSC检测方法如高效液相色谱（HPLC）和折光仪法虽精度高，但存在破坏样本、效率低等局限。光谱技术虽能实现非破坏性检测，但现有模型在跨品种泛化能力方面仍显不足，尤其受果实内部结构（如番茄隔室、葡萄籽等）干扰较大。本研究旨在通过高光谱反射率结合遗传算法（GA）优化策略，开发适用于多类型番茄的SSC预测框架。

材料与方法

实验选取13个番茄品种（包括大红果、中红果、红樱桃和黄樱桃类型）共152个样本，使用FieldSpec^?4光谱辐射计采集350–2500 nm波段反射率数据。通过线性变换反射率构建三类新型光谱指数：ltDSI_λ1,λ2、ltNDSI_λ1,λ2和ltRSI_λ1,λ2，并利用GA同步优化波长组合与变换系数（如k₁、k₂、b等）。模型性能以决定系数（R²）、均方根误差（RMSE）和平均相对误差（MRE）评估，并与传统双波段指数（DSI、NDSI、RSI）及全光谱偏最小二乘（PLS）模型对比。

结果分析

SSC值在3.0–8.5°Brix范围内呈现显著品种间差异，大红果变异系数（CV）约4%，樱桃番茄CV可达12%。光谱曲线显示805 nm和835 nm波段为SSC敏感区域，GA优化后三类指数均稳定选择该波长组合（如ltDSI_805,835= 4.772R₈₀₅– 4.773R₈₃₅+ 5.410）。虚拟反射率景观图进一步证实700–1150 nm为高相关性波段聚集区。与传统指数相比，线性变换指数模型校准R²达0.836，验证集R²稳定在0.80左右，且对番茄类型敏感性显著降低。全光谱PLS模型平均R²仅为0.668，RMSEP为0.822°Brix，显著低于GA优化模型（p < 0.01）。

讨论

805–835 nm波段的稳定性与糖类羟基（O–H）官能团的合频振动吸收特性相关，印证了SSC的光谱响应机制。线性变换指数通过自适应调整系数有效克服品种间光谱基线差异，而传统指数（如NDSI_805,845）在大红果数据中出现明显偏离。田间光谱采集虽引入环境噪声，但更贴近实际应用场景，增强模型鲁棒性。该框架为开发低成本多光谱传感器提供理论依据，未来需进一步验证季节与地理因素对模型泛化能力的影响。

结论

GA优化的线性变换光谱指数模型在跨品种SSC预测中展现出卓越的准确性与稳定性，为番茄采后分级及田间表型分析提供可靠技术工具。该方法有望扩展至其他果蔬品质监测领域，推动精准农业发展。