水果内部品质的无损检测和识别是农业工程与食品工程科技界的热门研究课题,对于满足消费者对食品品质和食物安全的要求,提高水果产品的市场价值与市场竞争力,增加农民收入都具有重大意义。目前水果内部品质分析存在破坏样品、耗时长、成本高、精度低等不足,因此,探索基于近红外光谱无损检测水果内部品质的方法并建立性能稳定的数学模型以及评价体系,具有重要的理论意义和实际应用价值。本文选择苹果内部品质为研究对象,以糖度和酸度作为苹果内部品质的参考指标,分别从苹果近红外光谱的获取、光谱信息的提取和分析、数学模型的建立和比较、苹果内部品质的模糊识别等方面进行系统研究,在此基础上建立基于最小二乘支持向量机的苹果内部品质无损检测和模糊识别模型。本文的主要工作如下:首先,阐明了基于近红外光谱无损检测苹果内部品质的原理和方法,搭建了苹果近红外漫反射光谱的检测平台,探索测量距离和测试部位对光谱响应的影响,找到最佳测试条件以得到更为精确的苹果的漫反射光谱。其次,研究了光谱信息分析和提取的方法,包括:使用平滑处理、微分处理和多元散射校正这三种方法对光谱进行预处理;基于模型稳定性的奇异点剔除;通过主成分分析和核主成分分析两种方法进行特征提取。通过对苹果近红外光谱信息的分析和提取,在保留有用信息的前提下降低光谱特征的维数,为下一步数学模型的建立奠定基础。第三,建立了基于近红外光谱的苹果糖度和酸度的线性和非线性数学模型,实验结果表明线性模型对于苹果内部品质的预测精度不高,而非线性的人工神经网络模型虽然提高了预测的精度,但仍然存在着训练过程不稳定和泛化能力不足的问题。应用基于结构风险最小化原则的最小二乘支持向量机算法来建立非线性回归模型,使用基于两层网格搜索的交叉验证法寻找模型的最优参数,通过优化训练提高模型的稀疏性和鲁棒性,对苹果内部品质的预测效果明显优于人工神经网络模型。针对目前没有统一的评价方法贴切地描述苹果内部品质的实际状况,引入苹果模糊隶属度的概念,结合基于苹果近红外光谱的数据域描述隶属度和基于糖酸度得分的内部品质隶属度更清晰和客观地表征苹果内部品质状况。研究了模糊机会约束规划和模糊特征,在此基础上通过最小二乘支持向量算法建立了苹果内部品质模糊识别模型,依据分类规则对苹果分类,通过模糊隶属度可以了解苹果对类的隶属程度,从而更好地识别苹果的内部品质。