[目的]为快速检测叶片含水量，本研究探索及时监测番茄植株生长状况的在线监测模型。[方法]利用高光谱成像技术，提取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 information variable, 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]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_c²为0.489,R_p²为0.466;基于IRIV-CNN建立的叶片含水量模型效果好（R_c²=0.668,RMSEC=0.019;R_p²=0.424,RMSEP=0.033）。[结论]利用高光谱成像技术结合Baseline-OSC-IRIV-CNN模型预测番茄叶片含水量是可行的。