以叶绿素含量为评价菠菜新鲜度的参考指标，开发菠菜采后品质无损检测方法。采用计算机视觉和电子鼻分别获取储藏期内菠菜的图像和气味信息。分别提取视觉、嗅觉信息的主成分作为模型的输入，以叶绿素含量的化学检测值作为模型的输出，采用误差反向传播神经网络建立菠菜叶绿素的定量预测模型。试验显示，以视觉信息为输入量的模型测试结果：训练集和测试集的均方根误差（RMSE）分别为 0.1978 mg/g 和 0.2147 mg/g，相关系数（R）分别为 0.8457 和 0.7995。以电子鼻信息为输入量的模型测试结果：训练、测试集的 RMSE 分别为 0.3119 mg/g 和 0.3032 mg/g，R 分别为 0.7013 和 0.6905。以视觉和嗅觉融合信息为输入量的模型测试结果：训练、测试集的 RMSE 分别为 0.1759 mg/g 和 0.2121 mg/g，R 分别为 0.8888 和 0.8736，精度比两个单一技术均有所提高。研究表明，利用计算机视觉和电子鼻技术预测菠菜叶绿素含量的方法是可行的，采用融合技术有助于提升模型的预测精度。
江苏省重点研发计划(现代农业)BE2015308； 江苏省高校自然科学研究重大项目 14KJA550001； 江苏高校优势学科建设工程资助项目； 国家自然基金项目：31671932 和江苏省第四期“333 工程”资助项目：BRA2015320；
