猕猴桃近红外无损检测技术对于促进猕猴桃生产的标准化进程,提高产前、产中、产后的全程质量控制技术水平具有重要意义。猕猴桃近红外无损检测技术研究的关键内容是检测条件对猕猴桃光谱响应特性的综合影响规律及近红外光谱数据处理与预测模型建立的方法。针对目前国内外猕猴桃近红外无损检测技术检测影响因素系统性研究少、建模方法单一、预测模型精度不高、模型的通用性低等问题,本文选用德国BRUKER公司的MPA型傅立叶近红外光谱仪,利用采自陕西杨凌不同地点、不同果园、不同储藏期、不同品种及不同成熟度的猕猴桃,系统地研究了近红外光谱仪仪器参数、检测参数、样品参数对猕猴桃光谱的响应特性和预测模型精度的影响规律,试验研究了遗传算法、小波分析、人工神经网络、聚类分析等方法在猕猴桃近红外光谱波长优选、去噪压缩、定量和定性分析模型建立等方面的应用,得出如下结论:(1)近红外光谱仪分辨率、扫描次数、测样附件等仪器参数直接影响猕猴桃内部品质检测的准确度。综合分析扫描速度、信噪比、模型预测精度及考虑今后动态在线检测的需要,仪器参数的优化组合应为:仪器分辨率为8cm-1、扫描次数为32次、测样方式为固体光纤。(2)猕猴桃赤道部位不同测试点的近红外光谱不存在显著差异。单测点光谱与整果糖度所建立的预测模型没有多测点平均光谱与整果糖度所建立的模型的精度高。因此,利用近红外漫反射光谱进行猕猴桃内部质量的在线检测时最好用多个光纤探头进行多点光谱扫描,取他们的平均光谱,然后用平均光谱与猕猴桃整果糖度建立糖度预测模型。(3)采用12000～4000cm-1的近红外光谱对不同产地、不同果园、不同储藏期、不同成熟度猕猴桃的可溶性固形物含量的检测是可行的。猕猴桃产地、贮藏期、大小、糖度变化范围等样品参数对猕猴桃糖度近红外预测模型的精度有较大影响。随着建模样品量及成分含量的梯度增大,预测模型通用性提高,而可靠性降低。在11991.6～5446.2 cm-1光谱范围内,近红外漫反射光谱与猕猴桃糖度含量之间呈显著的线性相关,模型决定系数R2达93.65,预测标准差RMSEP达0.656。(4)以全谱区间的预分子区间数为染色体的位数,以交叉校验预测值和标准值的相关系数R与预测均方差δ组成的关系式R/(1+δ)为目标函数,设定初始种群为20,交叉概率为0.8,变异概率为0.05,迭代次数为600的遗传算法对猕猴桃近红外光谱谱区优选出10个子区间。用这些子区间参与建模的精度要高于用全谱区建模的精度。(5)以滤波长度为3、分解尺度为4、coiflet为小波基、基于sqtwolog选择规则给定阈值的小波分析方法在猕猴桃近红外光谱数据去噪压缩方面是有效的,因此在猕猴桃近红外光谱有效信息提取方面,应首先用遗传算法进行谱区筛选,然后再对筛选后得谱区进行小波压缩,既有助于提高猕猴桃品质检测近红外光谱模型的预测精度,又可以缩短建模运算时间。(6)以采用增加动量法的BP网络改进方法、最大训练次数选为10000、隐层节点数为5、初始权值和阈值由MATLAB程序在一定范围内随机设置、隐含层为tan sigmoid激活函数、输出层为pureline线性激活函数、学习率为0.7、目标误差为0.08、动量系数为0.4建立的三层BP人工神经网络建立的猕猴桃糖度近红外模型相比传统的PCR和PLS模型,提高了预测精度。预测模型的决定系数R2为89.8273,预测集均方差RMSEP为0.3256。将人工神经网络与遗传算法和主成分分析等方法相结合,是猕猴桃近红外光谱分析技术的一种有效方法。(7)选择特征信息丰富的波长范围和选择能够提取特征信息的数据预处理方法对猕猴桃近红外光谱品种判别尤为重要。在8000～4500cm-1波长范围内,对光谱进行“二阶导数+矢量归一化”处理,基于标准法、第一范围标定法和重现水平归一化法的聚类分析方法可以用于猕猴桃品种近红外识别,对海沃德、亚特、秦美三种猕猴桃的分类准确率达到100%,但定性判别分析方法的准确率仅为56%。(8)猕猴桃在损伤初期可溶性固形物含量增加,损伤猕猴桃的吸光度大于正常猕猴桃。但是随着损伤时间的增加,损伤猕猴桃的吸光度小于正常猕猴桃的吸光度。可以利用这一特性作为近红外光谱法分选损伤猕猴桃,但对于受损时间较短(2d左右)的猕猴桃则很难用这一方法检测,而且在短时间内吸光度变化规律存在品种差异性。采用聚类分析法对秋香猕猴桃损伤鉴别的最佳时间是损伤后的第10天,对秦美和亚特猕猴桃损伤鉴别的最佳时间是损伤3天以后。对海沃德猕猴桃损伤鉴别的最佳时间是损伤后的第14天。NIRDRS数据库法不适用于猕猴桃的损伤鉴别。本文的研究结果为规范猕猴桃近红外光谱无损检测条件,提高模型预测精度,及开发具有自主知识产权的猕猴桃内部品质近红外无损检测和分级系统提供了理论基础和技术方法。