VideometerLab 4多光谱测量系统在波长405–970 nm范围内有9个波段，用来对草莓果实硬度、可溶性固形物(TSS) 含量以及成熟阶段进行评估。研究采用了7中分析方法，包括偏较小二乘法、支持向量机法(SVM)以及BP神经网络（BPNN）来构建模型用以预测完好草莓果实的硬度以及TSS。与 PLS和SVM方法相比，BPNN法显著提升了多光谱系统预测硬度以及总可溶性固形物含量的性能，相关系数(r) 分别为0.94和 0.83, SEP 为0.375和0.573, 偏差为 0.035 和0.056。 

    随后使用SVM和主成分分析-BP神经网络法来检测了多光谱成像技术区分水果成熟阶段的能力。使用SVM模型获取了精度高达100%的分类精度。另外，所有模型结构显示光谱VIS可见光部分光谱是测定硬度、估算TSS含量以及鉴别成熟阶段的主要因素。结果表明，多光成像技术配合恰当的分析模型，是较具前景的快速估算草莓品质特性以及鉴别其成熟阶段的技术。

多光谱成像系统

    数据采集使用了VideometerLab多光谱测量系统(Videometer A/S, Hørsholm, Denmark)，该设备可获取从可将光（VIS）区到NIR近红外波段短波区的19个不同波段，测量光谱波长信息为 405, 435, 450, 470, 505, 525, 570, 590, 630, 645, 660, 700, 780, 850, 870, 890, 910, 940 和 970 nm。

    草莓样品的图像（无背景）可以转换成基于均值计算的光谱信息。每幅图像为模型校准提供了一条光谱。