中国国是水果生产大国,随着人们收入的提高,对高品质水果的需求越来越旺盛,水果的产地检测、病害快速检测等受到消费者与加工商的密切关注。水果品质的优劣直接影响到加工产品的质量、等级及销售。因此,需要一种高效、无损的技术方法对水果品质进行检测。相比传统的检测技术,利用高光谱成像技术检测水果品质具有无损、高效等特点,以脐橙为研究对象,本文使用高光谱技术,结合多种化学计量学方法,主要对脐橙的病害鉴别、脐橙的产地鉴别、脐橙的货架期鉴别展开检测研究。本文的主要研究内容和结论如下:（1）利用高光谱技术对不同病害脐橙进行了检测识别。以正常脐橙、黄龙病脐橙、沙皮病脐橙为研究对象,先对采集的样本数据进行主成分聚类分析,再利用GA算法、CARS算法对原始光谱挑选特征波长,分别利用PLS-DA,LS-SVM算法进行建模。结果实验表明,CARS波段筛选方法,挑出的特征波长建立的LS-SVM模型效果最优,提高模型建立的效率并降低了误判率,可实现对正常和患病脐橙有效分类识别,总体误判率为0%。（2）利用高光谱技术对不同产地的脐橙进行了检测识别。以江西赣南、湖北秭归、重庆奉节三个产地的脐橙为研究对象,首先对采集的样本数据进行主成分聚类分析,再利用GA算法、CARS算法对原始光谱挑选特征波长,分别利用PLS-DA、LS-SVM、ELM算法进行建模,实验结果表明,GA波段筛选方法,挑出的特征波长建立的LS-SVM模型效果最优,总体误判率为15%,提高建模速度和模型的预测精度,对不同产地的脐橙检测方面表现出很大潜力。（3）利用高光谱技术对不同货架期的脐橙进行了检测识别。以脐橙为研究对象,对样品分别在货架期第0天、第7天和第14天的高光谱图像采集,对不同货架期脐橙分别获得原始光谱特征和图像特征（包括RGB、HSI颜色特征以及灰度共生矩阵特征）,以光谱、图像、混合特征分别建立PLS-DA和LS-SVM模型,实验结果表明,以混合特征建立LS-SVM模型效果最优,提高对不同货架期脐橙识别的正确率,可实现对不同货架期的脐橙准确有效分类识别,误判率为1.33%。研究结果表明:高光谱技术可以较好地实现不同病害脐橙、不同产地脐橙的检测识别,并对不同货架期脐橙进行判别,可为水果外部品质分选提供一定的参考和依据,并对水果的销售、存储和深加工企业具有一定程度的借鉴意义。