随着生活水平的提高,果蔬的品质和成熟度越来越受到人们的关注。目前,用于无损检测果蔬品质和成熟度的技术已得到快速发展,其中以光谱检测技术最为常见。常规可见/近红外光谱因无法提供异质产品的空间信息,在精确测定这些产品的品质和性能中受限。而且,常规可见/近红外光谱技术只能近似测量光在样品组织内部被吸收和散射总量,而无法区分光在组织中的吸收和散射,也无法定量分析光子在组织中的传播。因此,在应用光谱技术对样品分析时,需考虑样品空间信息,分别测量光吸收和散射特性,分析光在组织中的传输机理,从而更准确地评估样品的品质和特性。本课题开发了两个空间分辨光谱系统,即为新型空间分辨光谱系统和非接触式全方位半透射多通道高光谱系统,分别对番茄的品质和成熟度以及内部缺陷苹果进行检测评估。新型空间分辨光谱系统能够在光谱区间550-1650 nm同时获得30个空间分辨光谱,覆盖光源-检测器距离1.5-36 mm,既能得到样品不同深度信息,也可测量样品的光学特性（即吸收和散射特性）。而且,该检测探头采用柔性结构,对于曲面和平面样本均适用。该新型空间分辨光谱系统用于检测番茄的坚实度、可溶性固形物（SSC）和酸度（pH）以及成熟度。非接触式全方位半透射多通道高光谱系统可360°全方位检测样品,根据获取的不同空间信息,更有效的检测样品品质与缺陷,该系统用于缺陷苹果的检测,可更全面准确的获取苹果信息。本研究通过开发的两个空间分辨光谱系统,为无损检测果蔬等农产品提供一种新的技术手段。本论文主要研究内容和结论如下:（1）对新设计的空间分辨光谱系统提出了三种校正方法。线性校正是为了确保检测系统的每根光纤都有一致的线性响应;光谱校正用于校正相同尺寸光纤的光谱间差异和不同尺寸组光纤的光谱间差异;光学特性校正则通过三个参考液体样,达到准确测量样本的吸收和散射特性的目的。校正结果表明,30根光纤与曝光时间在波长700 nm后具有较高的线性关系,决定系数r2>0.99。此外,数据分析发现从每根光纤的线性响应获得的斜率和截距会随着波长变化而变化。光学特性校正表明,检测系统所测的约化散射系数相对误差在11%以内,而吸收系数由于数值本身较小,导致较大的相对误差。通过番茄样本的验证,证明新型空间分辨光谱系统在550-1350 nm光谱区间可检测番茄不同成熟阶段的吸收和散射特性。经过校正后的新型空间分辨光谱系统可用于果蔬光学特性和品质属性的检测。（2）新型空间分辨光谱系统对600个‘Sun Bright’番茄进行空间分辨反射光谱采集,通过漫射近似方程逆算法得到吸收和约化散射系数,并将其用于番茄各品质属性的预测。结果表明,番茄的吸收（μa）和约化散射（μs’）系数会随着番茄不同成熟度而改变。吸收系数光谱中,560 nm和675 nm处吸收峰分别由花青素和叶绿素引起,970nm和1180nm吸收峰由番茄中水分以及C-H,N-H和O-H的吸收带的组合产生的。通过建立线性偏最小二乘（PLS）和非线性支持向量机（SVM）回归模型,吸收和约化散射系数均与番茄的坚实度、SSC和pH相关,且吸收系数对番茄各品质属性的预测要优于约化散射系数。总体而言,吸收和约化散射系数的组合μa×μs’可进一步提高PLS模型对番茄各品质属性的预测。线性和非线性模型对约化散射系数光谱预测番茄品质有影响,且SVM模型比PLS模型表现出更优的预测性能。番茄的吸收和散射特性对声学坚实度、碰撞坚实度、压缩面积、穿刺最大力、穿刺斜率、穿刺果肉坚实度、SSC和pH的最佳预测相关系数分别为0.695、0.881、0.900、0.915、0.930、0.835、0.655和0.769,说明光学吸收和散射特性能够评估番茄的品质属性。（3）空间分辨（SR）光谱和常规可见/近红外光谱对番茄品质属性预测分析比较。结果表明,15个单一 SR光谱对番茄品质属性的预测存在差异,且受光源-检测器距离影响。光源-检测器距离6-24 mm的SR光谱对番茄坚实度的预测效果较好,距离光源近的SR光谱对SSC的预测效果较好,光源-检测器距离6-12.5 mm的SR光谱对pH的预测结果更好。SR光谱组合比单一SR光谱的预测效果更稳定,且平均值均高于单一 SR光谱的。而且,最佳SR光谱组合可在最佳单一 SR光谱预测基础上进一步改善番茄品质的预测结果,其对番茄声学坚实度、碰撞坚实度、压缩面积、穿刺最大力、穿刺斜率、穿刺果肉坚实度、SSC和pH的预测相关系数分别为0.760、0.911、0.935、0.917、0.948、0.859、0.801和0.819。与常规可见/近红外光谱相比,SR光谱对番茄坚实度各参数和pH的预测均获得更优的结果,在SSC预测中,SR光谱预测结果优于常规可见/短波近红外光谱,而与中波近红外光谱预测结果相当。（4）研究了单一SR光谱、吸收和约化散射系数光谱和常规可见/近红外光谱对番茄成熟度的分类,并通过线性偏最小二乘判别分析（PLSDA）和非线性支持向量机判别分析（SVMDA）模型对比,研究各光谱对基于表面颜色和内部颜色番茄成熟度判别分析。结果表明,模型对番茄成熟度的判别率有影响,总体而言,非线性SVMDA模型对番茄成熟度分类效果较好。此外,基于表面颜色和内部颜色的成熟度分类效果也有区别,单一SR光谱和常规可见/近红外光谱对基于番茄表面颜色的成熟度分类效果较好,而吸收系数光谱在基于番茄内部颜色成熟度分类中更有优势。三种光谱对番茄成熟度的分类结果差异明显,SR光谱在番茄成熟度评估中均优于常规可见/近红外光谱,在基于番茄内部颜色成熟度分类中,吸收系数光谱分类结果与SR光谱相当,但基于番茄表面颜色成熟度分类中,吸收系数光谱远不如SR光谱和常规可见/近红外光谱。（5）将新开发的非接触式全方位半透射多通道检测系统应用于内部缺陷苹果的检测。该系统通过6个光纤通道对苹果样品进行360°、全方位检测,从而更全面准确地评估苹果内部缺陷。不同通道对内部缺陷苹果的分类表现出不同的识别性能,而且,苹果不同检测方位的最佳通道并不一致。研究表明,果梗和果萼连线处于水平位置时,各通道对内部缺陷苹果的识别率总体较高,系统对正常苹果和内部缺陷苹果的总体识别率在90%左右。此外,通道组合可进一步提高PLSDA模型对内部缺陷苹果的分类准确性,且苹果处于检测方位A（果梗和果萼连线处于垂直位置,果梗在下）、B（果梗和果萼连线处于垂直位置,果梗在上）和C（果梗和果萼连线处于水平位置）的总体识别率分别为91.5%、89.2%和93.1%。另外,通道组合建立的PLSDA模型对正常苹果的识别率均在90%以上,要优于内部缺陷苹果的识别率;检测方位A和C对内部缺陷苹果的识别率可达到90%,而检测方位B对内部缺陷苹果识别率相对较低,只有86.7%。