中国是世界上的苹果生产大国，但长期以来我国苹果出口量极少，不到苹果总产量的3％。其中最主要的原因就是采后商品化处理技术落后，加工程度低，水果腐烂损失严重。目前，苹果外观品质的分级主要包括大小、形状、颜色和缺陷等指标，主要还是依靠人工分级，但人工分级不仅费时、效率低下，标准难以整齐划一，而且不能准确地将苹果采摘和运输过程中常出现的碰压伤、磨伤等损伤分选出来。这些轻微损伤区域在贮藏过程中容易受到病源微生物的侵害，是导致苹果腐烂的主要原因之一。因此，有必要对苹果的轻微损伤检测进行深入研究。　　 针对轻微损伤缺陷不易觉察的特点，本研究运用高光谱图像技术对苹果轻微损伤缺陷的检测进行了探讨，主要研究内容如下：　　 1.研究引入高光谱图像技术检测苹果的轻微损伤，搭建了一套基于图像光谱仪的高光谱图像采集系统。通过对高光谱图像的预处理和主成分分析，优选出553、706、800和845nm四个特征波长。将4幅特征波长下的图像按照主成分分析的运算法则进行线性组合，选择其中对损伤区域表达最佳的图像作为目标图像，对其进行阈值分割、形态学运算、区域填充和标记、面积畸变校正等一系列处理，然后提取可疑区域的面积和形状复杂度两个参数，从而完成对轻微损伤样本的识别。试验结果表明，该方法对带有轻微损伤样本的检测正确率达到86.7％。　　 2.利用普通计算机视觉技术对轻微损伤缺陷同时进行检测，选择对损伤缺陷表达较好的B分量图像为处理对象，分别利用边缘检测算法和阈值分割算法对损伤区域进行识别，均未达到理想的效果。　　 3.为避免果梗、花萼部分与轻微损伤缺陷相混淆，本研究对果梗、花萼样本的高光谱图像进行了主成分分析，结果表明，第二主成分图像对果梗、花萼特征的表达较显著，并优选出655nm和658nm两个相邻的特征波长，以2幅特征波长下图像的平均值作为识别果梗、花萼的目标图像，根据目标图像灰度分布的规律，采用提取等灰度轮廓线的方法对果梗、花萼区域加以识别，检测正确率可达到98.3％。　　 本论文对利用高光谱图像技术检测苹果轻微损伤缺陷进行了初步的研究，并与普通机器视觉技术检测苹果的此类缺陷进行了比较，试验结果表明基于高光谱图像技术的检测结果较佳。研究成果对采用基于滤波片的高光谱图像系统进行水果的在线检测提供了一定的理论依据，对提高水果分级的检测水平有着积极的意义。