ทีมวิจัยที่นำโดย ดร. เดวิด เฮลแมน จากคณะเกษตรศาสตร์ อาหารและสิ่งแวดล้อม มหาวิทยาลัยฮิบรูแห่งเยรูซาเล็ม ได้พัฒนาแบบจำลองการเรียนรู้ของเครื่องจักรแบบใหม่ที่ใช้การถ่ายภาพแบบไฮเปอร์สเปกตรัมเพื่อประเมินคุณภาพของมะเขือเทศก่อนการเก็บเกี่ยว ภาพไฮเปอร์สเปกตรัมของช่วงความยาวคลื่นแสงเฉพาะที่เรียกว่าแถบสเปกตรัม ถูกนำมาใช้เพื่อศึกษาคุณสมบัติของวัตถุโดยพิจารณาจากการสะท้อนแสง
เอกสารวิจัยที่มีชื่อว่า "Machine learning models based on hyperspectral imaging for pre-harvest tomato fruit quality monitoring" ได้รับการตีพิมพ์ใน Computers and Electronics in Agriculture
แนวทางบุกเบิกนี้ช่วยแก้ไขปัญหาที่เกี่ยวข้องกับวิธีการแบบดั้งเดิม โดยนำเสนอทางเลือกอื่นที่รวดเร็ว ไม่ทำลายสิ่งแวดล้อม และคุ้มต้นทุน
การศึกษาที่ดำเนินการร่วมกับนักวิจัยจากมหาวิทยาลัยบาร์-อิลันและศูนย์โวลคานี ได้ใช้กล้องไฮเปอร์สเปกตรัมแบบพกพาเพื่อรวบรวมข้อมูลจากผลมะเขือเทศ 567 ผลจาก 5 พันธุ์ปลูก
อัลกอริธึมการเรียนรู้ของเครื่อง รวมถึง Random Forest และ Artificial Neural Networks ถูกนำมาใช้เพื่อทำนายพารามิเตอร์คุณภาพที่สำคัญเจ็ดประการ ได้แก่ น้ำหนัก ความแน่น ปริมาณของแข็งที่ละลายน้ำได้ทั้งหมด (TSS) กรดซิตริก กรดแอสคอร์บิก ไลโคปีน และค่า pH แบบจำลองแสดงให้เห็นถึงความแม่นยำสูง