我国是世界上苹果种植面积和产量最大的国家,由于苹果总体质量不佳,导致苹果出口率较低。可溶性固形物含量(Soluble Solids Content,SSC)是评价苹果内部质量的重要指标。传统的SSC检测方法破坏性大,且费时费力。因此,探索一种苹果内部品质快速检测方法,对促进我国苹果产业的发展至关重要。国内外大量研究表明,近红外光谱可以实现水果内部品质的无损检测,然而因其点状光谱测量的特点,大大限制其在工厂化在线检测方面的应用。高光谱成像技术,具有图谱合一的数据优势,是当前开展水果品质检测的热门技术。但是,由于该类型仪器昂贵,大多数研究仅用到可见-近红外图谱数据,在近红外区域的研究较少。此外,无论是近红外点状光谱仪,还是高光谱成像仪,两类仪器所测光谱存在差异,如何利用不同仪器的光谱数据构建适用于多类仪器的水果品质检测模型是当前研究的新方向。围绕这些问题,本论文以苹果为研究对象,利用高光谱成像仪和傅里叶变换红外光谱仪探索苹果内部品质快速检测方法和普适模型构建,开展的主要工作如下:(1)对近红外高光谱(NIR-HSI)进行光谱分析和预处理,结合特征波长选择算法,提取用于测量苹果SSC的有效波长。竞争性自适应加权采样(CARS)、连续投影算法(SPA)、随机蛙跳(RF)以及CARS-SPA和CARS-RF组合算法分别用于提取苹果高光谱图像的有效波长。基于选定的有效波长,使用偏最小二乘(PLS)和最小二乘支持向量机回归(LS-SVR)建立并比较不同模型预测苹果SSC的性能。研究表明:在所有模型中,基于CARS-SPA选择的特征波长模型取得了最佳效果,PLS和LS-SVR均可用于开发校准模型以预测苹果SSC。(2)利用傅里叶变换光谱仪,对同一批苹果的SSC进行无损检测。通过光谱分析和预处理,结合CARS、SPA、RF和CARS-SPA组合算法,建立基于特征波长和全光谱的PLS检测模型,并与高光谱建模结果进行比较分析。结果显示:SPA对FT-NIR光谱特征波长提取具有最佳效果,与高光谱预测结果相似,但是与高光谱挑选的特征波长存在差异。(3)在两种不同近红外光谱仪下,研究光谱模型在不同仪器间的普适性。由于两个仪器的特征波长不一致,且预处理方法不能消除两个仪器间的差异,故基于原始光谱探究在FT-NIR模型应用于NIR-HSI的可行性。傅里叶变换光谱具有0.2 nm高分辨率的3112个波段,高光谱具有8 nm低分辨率的256个波段。本论文一方面通过降低FT-NIR光谱分辨率,讨论在低分辨率下的模型传递效果;另一方面通过提高HSI光谱分辨率,讨论在高分辨率下的模型传递效果。利用直接标准化(DS)和分段直接标准化(PDS)对主从光谱进行转换,结果显示:在低分辨率下,由DS建立的转化光谱获得与原始模型相似的预测效果。综上所述,近红外光谱可实现苹果内部SSC的无损检测,模型传递算法提高了近红外光谱模型的普适性,这些结果有助于实现苹果内部品质的在线检测,为提高苹果的市场竞争力提供了重要的技术支持。