本论文以赣南脐橙为研究对象,应用高光谱图像技术和近红外光谱技术对其食用安全品质之一—农药残留进行无损检测研究。无损检测技术对样品本身没有破坏性,同时也有快速,不污染环境及可以实现在线检测等优点,研究农药残留的无损检测是非常有实用价值的。江西省赣州市脐橙种植面积居世界第一,年产量居世界第三,是全国最大的脐橙主产区。赣南脐橙是中国主要的出口水果之一,食用安全品质是主要的衡量品质指标。因此,对脐橙表面农药残留的检测有重要的意义。首先,搭建了高光谱图像采集平台。用蒸馏水把农药分别配置成1：20,1：100和1：1000倍溶液。用滴管,把不同浓度的溶液以三种不同的量滴到洗净的脐橙表面,在脐橙表面形成一个3×3的矩阵形状。将水果放置到通风阴凉处放168小时后,拍摄图像。采集了赣南脐橙在400nm-1000nm光谱范围内的高光谱图像,选定脐橙高光谱图像的有效波长范围是625-725nm。应用图像标定、图像减噪、中值滤波、选取感兴趣区域等图像处理方法对赣南脐橙样品的光谱图像进行后续处理,并应用主成分分析(PCA)方法对图像进行分析,获得特征波长的图像,应用第三主成分图像(PC-3)并经过适当的图像处理方法对脐橙表面的农药残留进行检测。其次,利用激光诱导荧光高光谱图像技术采集脐橙表面的荧光,并以荧光的平均值作为数据分析的基础。应用PLS方法建立预测模型,并找出最佳的光谱波段组合。在最佳光谱波段的基础上利用支持向量机(SVM)方法,建立敌敌畏农药残留的预测模型。在选定的有效光谱区域范围内(453-801.5nm),’优选出最佳的4个光谱区域(453-501.8nm、604.4-650nm、704.3-750.6和754.8-801.5nm)应用SVM方法建立最终的农药残留预测模型,预测集的实测值与预测值的相关系数为0.8101。研究表明利用激光诱导荧光高光谱图像技术检测脐橙表面的敌敌畏农药残留是可行的,此外,论文应用近红外光谱技术进行了赣南脐橙表面农药残留的无损检测。对水果表面的农药残留进行定性分析,主要利用直接在水果表面采集的可见／近红外光谱,应用遗传算法(Genetic Algorithm, GA)对整个光谱区间进行优选,确定最佳的特征光谱区间及波长,建立水果表面农药残留的定性分析模型,对未知样本的脐橙是否被农药污染以及被何种农药污染进行了识别与预测。结果表明：最佳迭代数为第40代,最终确定输入变量数为71,而此时的识别准确率为99.57%。应用GA-SVM方法对模型的输入变量进行进一步的筛选,得到特征波长为71个,其模型的预测能力却没有明显的改变,说明应用GA-SVM方法所建立的识别模型比全光谱模型更加稳定、简洁。在定性检测的基础上,本文对水果表面的农药进行了定量分析。通过直接在水果表面采集近红外光谱,对光谱进行四种不同的预处理,应用偏最小二乘法和最小二乘支持向量机的方法对于处理后的光谱数据进行建模和预测,以确定定量分析脐橙表面农药残留的最佳光谱预处理方法。所得结果如下：1.检测代森锰锌农药残留,综合考虑因子数和相关系数r值,采用一阶导数预处理的效果最好,其校正组和预测组的相关系数r值分别为0.8587和0.7719,均方根误差分别为0.3309和0.3343,2.检测敌敌畏农药残留,综合考虑因子数和相关系数r值,采用一阶导数预处理的效果最好,其校正组和预测组的相关系数r值分别为0.9895和0.8174,均方根误差分别为1.5729和6.2598.