由于越来越多的人在购买苹果时,不再局限于对果形、色泽等外观品质的挑选,而是更注重苹果的口感、甜度及营养成分等内在品质指标。传统的化学检测方法因需破坏苹果、检测费时等问题,难以实现批量检测与分级分选,而近红外无损检测技术具有无损、快速、低成本、绿色环保等特点,是苹果品质检测的未来发展方向。针对以上问题,本文以红富士苹果为试验对象,通过近红外光谱技术与化学检测方法预测了苹果的可溶性固形物、可溶性糖及可滴定酸含量。实现了红富士苹果便携式可溶性固形物无损检测仪软硬件设计,开发了一种便携、快速和低成本的可溶性固形物无损检测仪。本文研究内容和结论如下:（1）红富士苹果性状品质检测及相关性分析:测定120个红富士苹果的重量、横径、纵径,使用折光度仪测定红富士苹果的可溶性固形物,采用3,5二硝基水杨酸比色法测定还原糖、可溶性糖,采用酸碱滴定法测定可滴定酸,并对各指标进行Spearman相关性分析。结果表明:物理特性不能用来判别其内部品质。在测定期间,可溶性固形物与可溶性糖及还原糖之间均呈极显著正相关,其相关系数R分别为0.785、0.504,可作为便携式无损检测仪软硬件开发较理想的检测指标。（2）红富士苹果可溶性固形物的无损检测:通过FX2000光谱仪搭建苹果漫反射光谱采集平台,采集苹果的光谱信息,通过折光度仪测定红富士苹果的可溶性固形物含量。采用Savitzky-Golay卷积平滑法、一阶导数法进行光谱预处理,利用相关系数矩阵进行主成分分析提取特征波长,BP神经网络及多元非线性回归算法进行建模及可靠性验证。最后选定809 nm、833 nm、843 nm、892 nm、927 nm、967 nm、979 nm这7个得分率较高的波长,作为苹果可溶性固形物无损检测的特征光谱。结果表明:基于特征光谱建立的多元非线性回归预测模型效果较好,其预测集R为0.9311,均方根误差为0.5324。（3）红富士苹果可溶性糖、可滴定酸的无损检测:采集样本的光谱信息,通过3,5二硝基水杨酸比色法、酸碱滴定法测定红富士苹果的可溶性糖、可滴定酸含量。采用Savitzky-Golay卷积平滑法、一阶导数法进行光谱预处理,利用连续投影算法提取特征波长,基于特征光谱建立BP神经网络及多元非线性回归模型并进行可靠性验证。最后选定752 nm、775 nm、784 nm、804 nm、809 nm、812 nm、814 nm、849 nm、852 nm、879 nm、882 nm这11个与可溶性糖相关性最高的波长,作为苹果可溶性糖无损检测的特征光谱;选定634 nm、640 nm、670 nm、676 nm、679 nm、689 nm、699nm、712 nm、715 nm、718 nm、722 nm、728 nm、735 nm、767 nm这14个与可滴定酸相关性最高的波长,作为苹果可滴定酸无损检测的特征光谱。结果表明:两种模型建模效果相比,基于特征波长建立的可溶性糖多元非线性回归预测模型效果较好,其测试集R为0.9295,均方根误差为0.5470。基于特征光谱建立的可滴定酸多元非线性回归预测模型,预测集R为0.8454,均方根误差为0.0214;基于特征光谱建立的可滴定酸BP神经网络预测模型,测试集R为0.7782,均方根误差为0.0279;两种模型对可滴定酸的预测效果都不是很理想,原因可能与可滴定酸实测值受外界环境影响差异较大及提取的特征光谱受到噪音的干扰等因素有关。（4）基于近红外漫反射光谱的可溶性固形物便携式无损检测仪软硬件设计及验证:首先,利用特征窄带滤光片,并与窄带LED光源相结合的检测方法设计硬件部分,将筛选的最佳可溶性固形物特征波长与建模方法植入核心处理器,设计了主控模块、光源及光源电路模块、蓝牙模块等。其次,基于Java语言开发了便携式红富士苹果可溶性固形物无损检测仪的软件部分,设计了登陆界面、用户注册界面、数据采集界面、个人资料界面及修改密码界面等。最后,通过便携式无损检测仪采集红富士苹果光谱信息,构建基于多元非线性回归算法的可溶性固形物含量预测模型,并进行可靠性验证。结果表明:基于特征光谱建立的可溶性固形物多元非线性回归预测模型,其预测集R为0.9333,均方根误差为0.5881;表明仪器可以满足可溶性固形物便携式快速无损检测的实际应用需求。