苹果作为日常使用的水果之一,具有很高的营养价值。近些年随着地域品牌的崛起,苹果品牌假冒问题层出不穷。本研究以苹果为研究对象,采集新疆阿克苏地区、甘肃、河南、山东四个产地苹果样本高光谱图片以及理化值数据,进行苹果身份识别的方法的研究。本研究将苹果身份分解为品种、产地两个属性,将苹果身份的识别分解为苹果产地识别以及苹果品种识别两个分类识别的研究,最后融合品种、产地信息来达到精确识别苹果身份的目的。具体研究内容和成果如下:(1)针对产地信息对苹果品种识别模型进行相同产地以及不同产地的研究,对光谱数据进行不同的数据处理后建立KNN、SVM和PLS＿DA预测模型。结果显示,KNN模型针对相同产地建模结果最佳,预测集准确率最高为100%,PLS＿DA预测结果稍逊,SVM建模结果最差;PLS＿DA模型针对不同产地预测结果最佳,预测集准确率最高为99%。(2)针对品种信息对苹果产地识别模型进行相同品种以及不同品种的研究,对光谱数据进行不同的数据处理后建立KNN、SVM和PLS＿DA预测模型。结果显示,PLS＿DA模型针对不同品种与相同品种预测结果均为最佳,预测集准确率最高为100%。(3)本研究结合理化值对各预处理数据进行PLSR建模,结果显示,SD、MSC以及SNV三种预处理方法最佳,相关性系数R均达到了0.82以上。结合三种预处理方法进行身份识别建模研究,得出结论,MSC-SD结合KNN预测产地预测结果最佳,预测准确率为98.68%,SD结合PLS＿DA预测品种效果最佳,预测集准确率达到99.6147%。(4)本研究使用SPA、CARS以及PCA载荷法对原始光谱数据进行特征波段筛选,得出结论,特征波段建模比原始光谱全波段预测准确率效果稍差;特征波段建模预测结果中CARS表现最佳,建模预测集准确率普遍达到80%以上。(5)融合产地识别与品种识别建立苹果身份识别模型,预测模型预测集预测准确率达到97.42%,校正集预测准确率为98.77%。研究结果表明,本研究采用的融合品种、产地识别模型对苹果身份识别的方法有效,可以准确地对苹果身份进行识别。