近年来,随着以色列创业公司Consumer Physics开发出了微型光谱仪Scio,大小如日常使用的U盘,与手机的蓝牙相连后仅需一扫就可查询被测物质的成分,这无疑表明光谱检测技术在食品安全检测问题上展现出的极大潜力。水果高品质的主要标准就在于农药残留是否超标,以及糖度是否合适。本文重点研究基于近红外光谱的苹果糖度、农药残留以及品种识别的无损实时检测。论文的主要工作包括:通过MATLAB对采集到的近红外光谱数据进行分析和预处理,研究糖度、农残和品种三种品质的光谱特性,然后构建此三个参数的预测模型,实现光谱采集及品质参数提取。通过比较,研究直接差分、S-G一二阶导数、多元散射校正、小波变换等预处理方法,以及偏最小二乘法、主成分分析法的模型的构建方法与相应的特征波长选取方法,提出“基于主成分分析的投影判别法”在特征波长选取上的应用。实验表明,通过比较全波段光谱建模与特征波长光谱建模的效果,证明利用主成分得分值进行投影对于特征波长选取有较明显的效果。利用PLS-DA算法建模,对苹果、柑橘的品种进行识别分析,实验表明识别率达到100%。最终,提出云计算快速处理与实时分析方案,设计处理与分析的软件程序,实现对水果品质光谱信息的实时分析和模型优化。在检测过程中所获得的原始近红外光谱数据进入实时分析与服务系统,再自动调用MATLAB光谱预处理算法对原始光谱数据进行预处理,随后匹配近红外光谱校正模型,完成水果品质参数的预测。利用此系统,用户可快速得到水果各成分含量的数据信息,也可在数据库中存储与查询匹配模型以及近红外光谱数据。实时分析与服务系统具有光谱数据库持续更新与模型迭代优化的特点。本文所研究的方法和实验对基于近红外光谱分析技术在食品安全检测领域的应用具有重要意义,可为未来食品安全监测云的建设与发展奠定技术基础。