为便捷有效地获取苹果内部品质信息,实现苹果霉心病检测及品质分级,提供对苹果无损检测的理论支持,研究苹果霉心病果无损检测与苹果内部品质分级方法对于提升苹果品质检测及分级水平,保证苹果产业快速发展,凸显高品质苹果优势,有着重要的现实意义和广阔的应用前景。本文以苹果介电指标和理化指标为研究对象,使用标准化方法进行数据预处理,并使用不同的建模方法构建苹果霉心病无损检测模型和苹果品质分级模型。本文的主要工作如下:（1）针对构建苹果霉心病无损检测模型和苹果内部品质分级模型的数据需求,采集苹果9个频率下的12项介电指标和可溶性固形物、可滴定酸、硬度等6项理化指标。鉴于介电指标由于频率及量纲不同而存在的数据分布不均匀问题,使用Z-score方法进行预处理,从而消除量纲和数据分布不均匀现象。与此同时,为消除原始数据中存在的噪声及冗余信息,提出了基于重加权方式的改进的主成分分析算法,使其可以具有更加稀疏的解,从而提高实验效果。（2）针对苹果霉心病无法有效通过外表识别的问题,为实现快捷有效地检测苹果霉心病,本文使用220个苹果的108项介电参数作为研究对象,采用Z-score方法、主成分分析算法和改进的主成分分析算法进行数据预处理,分别提出了基于BP神经网络、支持向量机和随机森林算法的霉心病果检测模型,并分析了两种降维算法和三种建模方法的模型准确性。苹果霉心病检测实验结果表明,本文改进的降维算法和随机森林构建的模型训练集和测试集准确率分别达到98.00%和97.14%。（3）针对苹果内部品质难以方便快捷检测的问题,本文为实现便捷经济的苹果内部品质检测分级,提出了基于介电特征的苹果品质分级方法。针对苹果分级标准难以界定的问题,根据已有资料将苹果分为三个级别。本文使用110个苹果的108项介电参数及6项理化参数为研究对象,基于相关性分析和多元回归模型构建介电指标-理化指标回归模型,构建了可溶性固形物、可滴定酸、硬度与介电指标的回归模型,其R2分别达到0.951、0.94和0.922。最后使用支持向量机构建苹果品质分级模型,在训练集和测试集中分类准确率分别达到93.5%和90.1%。