中国是世界上苹果种植面积最大,也是总产量最高的国家。苹果是我国主要水果之一,具有极高的营养价值、功用价值以经济价值。为满足消费者对苹果品质的要求,苹果各指标的研究层出不穷,各类苹果分级产品也不断涌入市场。苹果质地品质的无损检测以及分级技术是其产业化过程中提高品质档次和经济价值的关键技术之一,已有的苹果质地品质的研究所涵盖的指标并不能对苹果进行全面评价。苹果脆性是评价苹果口感的重要指标,目前尚无完备的体系对苹果脆性指标进行无损检测与分级。因此,设计一种快速无损检测、可客观评价的苹果脆性无损检测装置至关重要,对苹果品质的客观可靠评价具有十分重要的意义。针对现有的苹果检测系统目前还没有实现脆性指标的检测,尚未达到苹果脆性指标快速无损检测且未实现脆性自动化智能化便携式检测等问题,本文以陕西富士、秦冠和瑞阳三个苹果品种为研究对象,主要研究内容及结论如下:(1)完成了基于光纤光谱与机器视觉融合的苹果脆性无损检测装置硬件搭建及软件平台设计。通过串口与相机和光谱仪通信,将采集到的苹果图像信息和光谱信息送入树莓派,实现无损检测;利用Python语言以及Open CV机器视觉库进行软件编写,配合设计好的基于光纤光谱与机器视觉融合的苹果脆性无损检测装置硬件系统,通过显示屏显示输出光谱图像、苹果相机图像以及图像处理后的数字图像、苹果脆性量值、苹果脆性品质等级。(2)基于苹果硬度的脆性值定量预测模型研究。研究了苹果硬度与脆性的相关关系,建立了基于苹果硬度的脆性的定量预测模型。由试验分析得出,富士、秦冠和瑞阳三个苹果品种硬度和脆性之间存在显著的正相关关系,相关系数分别为0.917、0.900和0.910。建立的基于苹果硬度的富士、秦冠和瑞阳三个苹果品种的脆性定量预测模型的决定系数分别为0.8412、0.8105和0.8282。(3)基于苹果硬度的感官定性评价研究。建立了基于苹果硬度的脆性分级模型,建立了客观的感官评价的标准。结合试验测得的脆性、硬度建立苹果品质的评价模型,将测得的苹果质地数值转变为苹果口感的定性评价标准。苹果脆性分为硬、硬脆、脆、绵脆和绵五个等级,最佳脆性值范围为2.62-3.20 kg。通过对感官评价客观量化,预测值与实际测量值的接近度均高于0.88,达到较高的检测精度。根据预测脆性值和实际测量脆性值,判定相对应的脆性等级,三个苹果品种的分级精度能够达到90.0%。(4)基于光谱信息的苹果脆性的定量预测模型研究。建立了基于光纤光谱全波段以及特征波长的苹果脆性品质的定量预测模型,并且完成了苹果脆性品质检测的软件设计。采用偏最小二乘法建立的基于原始光谱的富士苹果定量预测模型和基于光谱S-G平滑预处理的秦冠苹果定量预测模型的预测集的决定系数R~2分别为0.9205、0.9587,均方根误差分别为0.1669 kg、0.1741 kg。为消除光谱全波段的冗余信息且便于便携式检测仪器的开发,采用连续投影算法(SPA)和载荷系数法(x-LW)进行特征波长提取。最终提取的富士苹果的特征波长为(450.51 nm,476.80 nm,677.75 nm,and 750.72 nm),提取的秦冠苹果的特征波长(542.51 nm,544.79 nm,676.96 nm,and 718.29 nm)。采用偏最小二乘法建立基于所提取的特征波长的苹果脆性定量预测模型,并通过人工神经网络(ANN)进行模型预测与验证,结果表明基于以上特征波长建立的富士、秦冠苹果脆性的定量预测模型预测准确率分别为0.9131和0.9641,说明采用上述特征波长开发便携式仪器并进行苹果脆性的无损检测是可行的、可靠的。(5)基于光谱信息的富士和秦冠苹果最佳脆性的储藏期研究。建立了不同储藏条件下基于光谱信息的苹果脆性的动力学模型,可根据初始光谱信息预测苹果脆性最佳口感保持期,实现了储藏期预测的软件设计。通过试验分析以及基于光谱信息的苹果脆性定量预测模型的预测,富士和秦冠苹果的脆性随时间的推移均呈现衰退现象,富士苹果在室温和冷藏条件下建立的动力学模型的相关系数分别为0.956和0.87,且室温和冷藏条件下的富士苹果最佳脆性口感保持期分别为5周和8周。秦冠苹果在室温和冷藏条件下建立的动力学模型的相关系数分别为0.9958和0.9514,且室温和冷藏条件下的秦冠苹果最佳脆性口感保持期分别为4周和7周。(6)融合外观图像的苹果脆性品质补偿模型的研究。建立了融合外观图像与光谱信息的苹果脆性品质判别模型,扣除苹果外观对苹果内部品质判别的影响,完成了融合光谱和图像的软件设计并进行了测试。通过偏最小二乘法建立苹果脆性与苹果外观RGB各分量的定量预测模型,所建模型的决定系数为0.9778。试验验证表明,苹果外观负补偿前后的相对误差均值从8.29%下降到5.55%,苹果外观正补偿前后的相对误差均值从8.52%下降到6.44%。苹果外观负补偿前后的相对误差的标准差从5.62%下降到4.44%;苹果外观正补偿前后的相对误差的标准差从6.22%下降到5.30%。这说明,相对误差的均值和标准差均有所减小,且在线检测苹果脆性分级准确率达到90.12%,因此融合苹果外观补偿后,苹果脆性的预测更为准确,且具有较高的可信度。