A tecnologia de imageamento hiperespectral foi utilizada para analisar a uniformidade e a intensidade da cor do revestimento em sementes de couve envasadas de quatro variedades diferentes, assim como em sementes tratadas com três concentrações diferentes de agentes de revestimento. A reflectância espectral média de 240 amostras de sementes foi extraída, os espectros originais foram pré-processados e otimizados por quatro métodos, então comprimentos de onda característicos foram extraídos por quatro métodos: algoritmo adaptativo competitivo de reponderação (CARS), algoritmo de projeção sequencial (SPA), eliminação de variáveis não informativas (UVE) e método genético de mínimos quadrados parciais (GAPLS). Baseando-se nos comprimentos de onda característicos selecionados, foram estabelecidos modelos de regressão por mínimos quadrados parciais (PLSR), regressão linear múltipla (MLR) e regressão por componentes principais (PCR). Os resultados mostraram que o efeito do revestimento foi mais evidente nas sementes de couve kale, seguido pelas variedades com melhor sabor, enquanto os efeitos nos cultivares Zhonggan 15 e couve roxa foram semelhantes; o método Baseline foi utilizado para o pré-processamento do valor cromático L*, o método Normalize para o valor a* e o método SNV para o valor b*; os comprimentos de onda extraídos pelo GAPLS foram usados para construir modelos quantitativos preditivos para L* e b*, enquanto o UVE foi usado para o modelo para o valor a*. O modelo PLSR para L* apresentou o melhor desempenho (RC=0.814, Rp=0.640; RMSEC=1.150, RMSEP=1.852); o modelo MLR para o valor a* teve desempenho melhor (Rc=0.981, Rp=0.964; RMSEC=2.563, RMSEP=3.243); o modelo PCR para o valor b* foi o melhor (RC=0.917, Rp=0.913; RMSEC=2.552, RMSEP=2.589). Os resultados do estudo podem fornecer suporte técnico para monitoramento online da cromaticidade das sementes.

imageamento hiperespectral; sementes de couve envasadas; cromaticidade; detecção