外观是苹果最为重要的外部感观品质,不仅影响它的市场价值,消费者的偏爱和选择,还在一定程度上影响其内部品质.我国是一个苹果生产和消费大国,但与欧美发达国家相比我国优质水苹果的出口比率还很低,其主要原因就在于我国的水果产后处理比较落后.在水果上市前,一般需要根据水果的品质进行分选.水果的分选工作是一个费时费力的劳动密集型工作,由于环境和分选工人的视觉疲劳,分选精度较低且分选结果不稳定.随着计算机和信息技术的发展,机器视觉技术已经成为食品品质检测的科学有效工具.但传统的机器视觉技术只能获得被检测物体的空间信息,对于不明显的品质特征却无能为力.高光谱机器视觉融合了传统的成像技术和光谱技术,不仅可以获得被检测物体的空间信息,还可以获得对应像素点的光谱信息.不同于传统的RGB图像,高光谱图像是一个"图谱合一"的三维数据立方体,可以看作相机在不同波段下对检测对象的成像.一些在传统图像中不明显的特征,在高光谱图像的某些波段可能比较容易检测.轻微损伤是苹果在采摘和运输过程中的一种常见缺陷,随着时间的推移,损伤会发展为霉变或腐烂,严重影响它们的价格和同批次水果的品质.为了快速有效地识别苹果的轻微损伤,提出了一种基于高光谱机器视觉和最低噪声分离(MNF)变换的苹果轻微损伤识别检测方法.首先,使用高光谱成像系统获取苹果的可见-近红外波段(400～ 1000nm)的图像,对比发现基于全波段的最低噪声分离变换比主成分分析(PCA)变换可获得更好的识别效果；其次,利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图,依据该图挑选出了5个特征波段(590,660,720,820和960hm)；最后,基于特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法.利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验,损伤识别总体正确率为97.1％.该研究为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础.