我国是一个农业大国,也是一个粮食生产大国,其中,鲜食玉米的产量位居世界首列,而且需求量仍在逐年增长。真空包装的鲜食水果玉米食用方便且贮存时间长,但是这对其品质要求较高,而含水率、可溶性固形物（SSC）含量和外观等是评价鲜食水果玉米品质的重要指标。因此,本论文以鲜食水果玉米“甜冠军”为研究对象,基于高光谱技术检测鲜食水果玉米的含水率和SSC含量;基于高光谱技术和红外热成像技术对鲜食水果玉米机械损伤进行判别,从而为后续便携式在线检测仪器的开发提供理论依据。主要研究内容及结论如下:（1）基于高光谱技术建立鲜食水果玉米含水率预测模型。对鲜食水果玉米进行光谱数据采集并提取,通过比较变量标准化算法（SNV）、附加散射校正算法（MSC）、卷积平滑（SG）、移动平均法（MA）等6种数据预处理方法,并与原始光谱建模效果作比较,发现MSC预处理建模效果较好,所建模型的预测集决定系数Rp~2达到了0.7951,预测集均方根误差RMSEP为0.0063。接着选用连续投影算法（SPA）、竞争性自适应重加权算法（CARS）以及随机蛙跳法（RF）优选特征波长用于鲜食水果玉米含水率的预测,通过比较发现CARS-PLS模型效果较好,所建模型的预测集决定系数Rp~2达到了0.8250,预测集均方根误差RMSEP为0.0060。通过比较BP神经网络、GA-BP神经网络、最小二乘支持向量算法（LS-SVM）、粒子群算法（PSO）和极限学习机（ELM）的建模效果并与PLS建模效果作比较,发现ELM的建模效果最好,其预测集决定系数Rp~2达到了0.8548,预测集均方根误差RMSEP为0.0052。（2）基于高光谱技术建立鲜食水果玉米SSC含量预测模型。对鲜食水果玉米进行光谱数据采集并提取,通过比较SNV、MSC、SG、MA等6种数据预处理方法,并与原始光谱建模效果作比较,发现原始光谱建模效果较好,所建模型的预测集决定系数Rp~2达到了0.8049,预测集均方根误差RMSEP为0.3140。接着选用SPA、CARS以及RF优选特征波长用于鲜食水果玉米SSC的预测,通过比较发现SPA-PLS模型效果较好,所建模型的预测集决定系数Rp~2达到了0.8188,预测集均方根误差RMSEP为0.3048。通过比较BP神经网络、GA-BP神经网络、LS-SVM、PSO和ELM的建模效果并与PLS建模效果作比较,发现PSO的建模效果最好,其预测集决定系数Rp~2达到了0.8472,预测集均方根误差RMSEP为0.3615。（3）基于高光谱技术和红外热成像技术建立鲜食水果玉米机械损伤判别模型模型。通过比较SNV、MSC、SG、MA等6种数据预处理方法,并与原始高光谱数据建模效果作比较,发现SNV预处理的模型效果较好,所建模型的预测集决定系数Rp~2达到了0.9600,预测集均方根误差RMSEP为0.0845。接着选用SPA、CARS以及RF优选特征波长并结合热红外温度（T）信息用于鲜食水果玉米机械损伤的判别,通过比较发现（CARS+T）-PLS模型效果较好,所建判别模型预测集决定系数Rp~2达到了0.9802,均方根误差RMSEP为0.0707。选用CARS提取的特征波长结合基于红外热成像技术提取的感兴趣区域温度的最小值、最大值和平均值三个指标进行后续模型的构建。通过比较BP神经网络、GA-BP神经网络、LS-SVM、PSO、ELM的建模效果并与PLS建模效果作比较,发现LS-SVM的建模效果最好,其预测集决定系数Rp~2达到了0.9942,预测集均方根误差RMSEP为0.0040。