猕猴桃在人们的日常生活中扮演着重要角色,不仅拥有多种水果口味的混合口味,更拥有食疗、营养价值,对维持人体健康起着重要作用。猕猴桃产后分级方法大多采用人工手动分级,效率低、易受人为主观影响,而且猕猴桃品质评价采用仪器分析,水果被破坏造成浪费。针对这些问题,本文采用高光谱成像技术结合化学计量学方法对猕猴桃的形状特征、质构特性、糖度进行检测,并优化模型。以‘金魁’猕猴桃为对象,对正常果和畸形果进行分类检测。结果表明,对正常果的识别,LS-SVM效果最好;对畸形果的识别,BPNN效果最优。综合考虑,最佳分类模型是BPNN,总体准确率为97.56%,误判个数2个。以‘奉黄一号’猕猴桃为对象,对质构特性进行可行性研究。结果表明,在硬度1、咀嚼性、回复性、果皮硬度、平均硬度、修正硬度模型中,其R值均大于0.9,均方根误差较小,且RPD大于2,说明模型具有良好的预测性能。而剪切力和平均剪切力模型的RPD值在1.5-2.0之间,可粗略预测样本品质。以‘金魁’和‘奉黄一号’猕猴桃为对象,建立糖度最优模型。同时,基于该最优模型下的公共特征波长(CCWs)建立糖度简化模型,并验证该模型预测多个品种水果糖度的可行性。在‘奉黄一号’猕猴桃中,糖度最优模型是SPA-PLS,RP和RMSEP分别为0.9443、1.1839,RPD为2.84。在‘金魁’猕猴桃中,糖度最优模型是SPA-PLS,RP和RMSEP分别为0.9293、1.0105,RPD为2.56。在糖度简化模型的验证结果中,三个品种猕猴桃的R值在0.81-0.89之间,RMSEP在1.50-1.67之间,模型具有较强的适用性,可实现一个模型对多个品种猕猴桃糖度的检测。以上研究表明,高光谱成像技术可以对猕猴桃形状特征进行识别分类,对质构特性和糖度进行预测评估。同时,简化模型为单个模型检测多个品种水果糖度提供理论支持。