综述：肝激素Hepcidin-25的振动和电子光谱分析：高炎症诊断的新视角

这篇研究创新性地将便携式AS7265x光谱仪与机器学习算法（PLSR/ANN/SVM/KNN）结合，实现了番茄成熟度的无损检测。通过可见-近红外光谱（Vis-NIR）技术，人工神经网络（ANN）对硬度预测达到R2=0.95，支持向量机（SVM）分类准确率达96%，为精准农业（TSS和硬度预测）提供了低成本高效解决方案。

　　

Abstract
番茄成熟度评估对保障农产品品质至关重要。研究采用低成本AS7265x便携光谱仪结合机器学习算法，实现了总可溶性固形物（TSS）和硬度的精准预测，以及成熟度分级。其中人工神经网络（ANN）表现最优，硬度预测R²达0.95，TSS预测R²为0.82；支持向量机（SVM）分类准确率高达96%，为田间实时检测提供了新工具。

Introduction
番茄（Solanum lycopersicum L.）富含番茄红素、β-胡萝卜素等抗氧化物质，其营养价值随成熟度（Green至Red六个阶段）显著变化。传统目测法主观性强，化学检测（如TSS）会破坏样品。研究对比了Vis-NIR（400-1000 nm）与NIR（>1000 nm）传感器的成本效益，发现硅基Vis-NIR系统虽分辨率较低，但结合机器学习仍可达成高精度预测。

Instruments and materials
实验采用AS7265x光谱仪（410-940 nm）采集数据，搭配Arduino微控制器。硬度由穿刺仪测定，TSS通过折光仪获取，建立包含180个样本的数据库覆盖全部成熟阶段。

Firmness and TSS measurement results
数据表明：TSS与硬度呈显著阶段相关性。红色成熟期番茄TSS值最高（较绿色阶段提升47%），硬度则下降62%，这与细胞壁果胶降解和糖分积累直接相关。光谱特征分析发现575 nm与类胡萝卜素吸收峰高度吻合。

Conclusion
研究证实低分辨率Vis-NIR光谱结合ANN/SVM可替代昂贵NIR设备。未来优化方向包括扩大样本量和引入卷积神经网络（CNN）处理光谱噪声。该技术链有望扩展至其他果蔬品质监测领域。

Declaration of competing interest
作者声明无利益冲突。

Acknowledgements
感谢Universitas Brawijaya提供的基金支持（编号00553.07/UN10.A0501/B/TU/2024）。