近日，院信息所农业人工智能团队联合中国农业科学院农业信息研究所在《Computers and Electronics in Agriculture》（中科院一区TOP期刊，IF=10.3）上发表题为“In situ orange soluble solids content estimation based on hyperspectral imaging and transformer”的研究论文。该研究提出基于高光谱技术和Transformer的田间柑橘糖度检测方法，为柑橘糖度实时检测、成熟度监测和自动化分级提供技术支撑。

图1  期刊封面

柑橘是我国南方重要经济作物，糖度是衡量成熟度与品质的核心指标，其品质直接影响经济效益与消费者体验。传统的糖度检测方法需逐果进行破坏性取样，效率低且成本高，难以满足果园现场快速检测与果实分级需求。为此，本研究提出融合高光谱技术和Transformer的柑橘糖度无损检测方法。首先，在广西果园实际场景下，采集了1536个柑橘的RGB图像、高光谱图像和糖度数据，覆盖早中晚成熟期及多种天气类型。在此数据基础上，采用Transformer架构有效提取原始高光谱图像特征，摒弃了复杂的数据预处理步骤，实现了端到端的糖度预测。此外，针对高光谱相机成本高的问题，引入光谱重建技术，利用RGB图像重建高光谱图像，基于重建光谱的糖度预测精度接近原始高光谱图像，实验验证了该方法的可行性和有效性。

图2  数据的采集和分析过程

图3  模型预测糖度可视化

中国农业科学院博士研究生熊新正为论文第一作者，中国农业科学院柴秀娟研究员、张凝副研究员和广西农业科学院曾志康正高级工程师为论文通讯作者，信息所农业人工智能团队吴赛赛博士参与了该研究。本研究成果得到国家自然科学基金（62406327）、广西科技重大专项（桂科AA22036002）、中国农业科学院科技创新工程（CAAS-CSSAE-202401、CAAS-ASTIP-2024-AII）等项目资助。

信息所 吴赛赛供稿/供图

一审一校：莫    彬

二审二校：罗书瑾

三审三校：陆炳强