水果品质的无损检测包括水果表面缺陷的识别与内部品质指标的预测。水果的轻微碰伤是被划分为劣等品的主要因素,果肉含糖量对水果的硬度、成熟度等有重要的影响。木材质量轻便,易于加工,被广泛的应用于造纸、化工制造、家具制造等领域。木材含水率是木材性能的重要指标。本研究利用高光谱成像系统与机器学习方法,对水果的轻微损伤、糖度以及木材干燥过程的含水量进行了无损评估。主要研究成果如下:1、提出了基于ReliefF分组的遗传算法(ReGA)与支持向量机(SVR)相结合的库尔勒香梨糖度无损定量预测方法。应用高光谱成像采集系统采集400~1000nm波段范围内高光谱图像并用ENVI5.3软件提取感兴趣区域。剔除异常样本后对数据进行平滑去噪,将全部样本按照2:1划分为校正集(105个)和预测集(52个)。利用ReGA算法筛选特征波段,分别以全光谱数据与基于ReGA算法选择出的特征波段数据作为输入建立SVR模型,并与连续投影算法(SPA)、竞争性自适应重加权(CARS)、ReliefF等特征波段选择方法进行比较。结果表明ReGA算法是一种有效的特征波段选择方法,不仅能够达到精简模型的目的,还可以对库尔勒香梨的糖度进行准确的预测。2、提出了基于最小冗余最大相关(mRMR)特征波段选择算法与核极限学习机(KELM)模型的富士苹果轻微损伤定性分析方法。利用SOC710-VP高光谱成像系统,采集完好苹果与5个损伤阶段(损伤后10分钟、1天、2天、3天和4天)的损伤苹果的高光谱图像,然后提取合适区域的平均光谱反射数据用于数据分析。使用mRMR算法筛选出特征波段,分别建立ELM、KELM模型对损伤苹果进行识别,并与有序局部的无监督特征选择算法(ufsol)、Lasso算法、无限潜在特征选择算法(ILFS)进行了对比。实验结果表明,利用mRMR-KELM模型对不同损伤阶段的苹果样本分类识别效果最佳,并且随着损伤时间的增加,损伤的样本更容易被识别。3、提出了基于线性判别分析(LDA)降维算法与偏最小二乘(PLS)模型的榉木含水量无损定量分析方法。在对木块进行干燥实验的同时利用高光谱成像系统采集不同干燥阶段的高光谱图像,而后采用逐像素分析的方法提取出样本的光谱反射数据。利用LDA算法对高光谱数据进行降维,降低高维数据间的数据冗余,然后建立PLS模型对含水量进行预测。为了验证LDA方法的有效性,分别通过主成分分析(PCA)、因子分析(FA)对原始数据进行降维,对比建模效果。结果表明,利用LDA算法将输入数据维度由128降为12后建立PLS模型预测榉木含水量,得到的模型效果最佳。将LDAPLS模型的预测结果用图像的方式表现出来,不仅能够得到木块整体的平均含水量,还可以直观的看到含水量的分布状态,为木材干燥过程中的参数调整提供参考信息。