加工番茄是新疆重要的红色产业，选取优质的加工番茄果实作为原料是提高番茄制品品质的关键。近日，js33333金沙线路检测徐巍副教授团队在加工番茄品质无损检测方面取得新进展。相关研究以“Determination of quality and maturity ofprocessing tomatoes using near-infrared hyperspectral imaging with interpretable machinelearning methods（利用可解释的机器学习方法和近红外高光谱成像技术鉴定加工番茄品质和成熟度）”为题发表在国际著名期刊LWT-Food Science and Technology（中科院一区TOP期刊，IF=6.056）。

该研究利用近红外高光谱成像技术，建立循环神经网络（RNN）、随机森林（RF）和偏最小二乘法（PLS）的回归和判别模型，用于检测加工番茄的硬度、可滴定酸含量、可溶性固形物含量、番茄红素含量和成熟度，比较不同建模方法对加工番茄品质预测效果，研究结果显示，RNN模型对成熟度分类准确率比RF高出40%，比PLS高出17%。在品质参数预测方面，RNN模型表现出最高的R²值（大于0.87）。并通过计算贡献值来确定特征波长，用于解释模型，提升模型稳定性。研究表明利用近红外高光谱成像技术结合深度学习可以有效地预测加工番茄果实品质和成熟度，该研究为新疆加工番茄品质的快速无损检测提供一种创新方法。

js33333金沙线路检测特色果蔬栽培生理与种质资源利用兵团重点实验室徐巍副教授和信息科学与技术学院高攀教授为共同通讯作者。js33333金沙线路检测园艺系硕士研究生赵明蕊和信息科学与技术学院硕士研究生仓浩为共同第一作者。该研究是js33333金沙线路检测学科交叉的重要研究成果，得到了国家自然科学基金（32060685；61965014）、js33333金沙线路检测国际科技合作推进计划项目（GJHZ202104）的资助。

（通讯员 赵明蕊、邵建荣）