【摘要】[目的] 为快速检测叶片含水量，探索及时监测番茄植株生长状况的在线监测模型。[方法] 本试验利用高光谱成像技术，提取出195个叶片样本的平均光谱反射率。通过异常值剔除、样本集划分、5种预处理方法对原始光谱进行预处理和优化，采用连续投影算法（Successive Projections Algorithm， SPA）、无信息变量消除变换法（Uninformation variable elimination， UVE）、迭代保留信息变量法（Iterative retained InformationVariable， IRIV）和遗传偏最小二乘算法（Genetic partial-least-squares algorithm， GAPLS）提取特征波长，并建立偏最小二乘回归（Partial-least-squares regression，PLSR）模型。基于优选的特征波长建立PLSR、多元线性回归（Multiple linear regression ， MLR）以及主成分回归（Principal component regression ， PCR）模型和卷积神经网络模型（convolutional neural network， CNN）。[结果] 结果表明：优选基线校准-正交信号校正法（Baseline-Orthogonal signal correction， Baseline-OSC）对叶片含水量进行预处理；IRIV法提取的特征波长建立的叶片含水量定量预测模型效果最优R_(c)~(2)为0.489，R_(p)~(2)为0.466；基于IRIV-CNN建立的叶片含水量模型效果好（R_(c)~(2)=0.668，RMSEC=0.019；R_(p)~(2)=0.424，RMSEP=0.033）。[结论] 本研究对设施蔬菜产业发展水分利用效率以及番茄作物水分的科学管理具有重要的现实意义和作用，为番茄植株长势在线监测提供技术支撑。