苹果的内部品质影响着消费者的购买意愿,其中糖酸比直接决定着果肉的口感,因此对苹果糖度和酸度的测量显得尤为重要。传统的基于理化分析的糖酸度测量方法费时费力,如何通过经济高效的手段实现对苹果糖度、酸度等内部品质指标的定量无损检测近年来成为了该领域的研究热点。随着近红外光谱仪器的发展,可见-近红外光谱结合化学计量学的分析方法在水果内部品质无损检测领域得到了广泛应用。基于此,本文采用可见-近红外光谱分析技术进行苹果糖酸度检测模型的研究,在前期广泛调研国内外文献的基础上,设计了实验方案,开展了如下几方面的工作:1)为了验证实验方案的可行性,研究了苹果糖酸度检测方法。调研确定了反映苹果糖酸度信息的光谱特征波段,进而选定了波长范围为475-925 nm的光谱用于后续建模。设计了果皮透过率实验,通过研究苹果果皮对光谱数据的影响,证明了采用漫反射方式进行样本光谱采集是合理的。2)建立了基于可见-近红外光谱分析的苹果糖酸度预测模型,并研究了各流程中不同方法对模型精度的影响,得到了苹果糖度和酸度最佳预测模型。结果表明,两个模型均为基于竞争自适应重加权采样法(CARS)建立的偏最小二乘(PLS)模型,二者的决定系数(R2)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别达到了0.9942、0.0674、13.1851 和 0.9949、0.0090、13.9697,模型均具有较高的精度和稳健性。3)为了解决CARS选择的波长变量数偏多这一问题,提出了波长逐次增加法,对模型进行了优化。结果表明,相比于CARS,该方法选取的糖度和酸度特征波长数分别由141和119个下降至27和40个。优化的苹果糖度和酸度预测模型的R2、RMSEP 和 RPD 分别为 0.9867、0.1714、8.6662 和 0.9506、0.0279、4.5007。可见逐次增加法不仅减少了建模变量数,而且保证了模型的预测精度和稳健性,证明了该方法的有效性和通用性。4)为了实现对糖度和酸度两个指标的同时预测,建立了一体化PLS2模型。使用提出的逐次增加法选择特征波长,对一体化模型进行了优化。优化的模型对糖度和酸度预测的R2、RMSEP和RDP分别为0.9108、0.2823、3.3486和0.8759、0.0365、2.8386,但与糖酸度独立预测模型的精度差距较大。因此,进一步提出了波长逐次删除法,使用该方法优化的一体化模型,对二者预测的R2、RMSEP和 RDP 分别达到了 0.9780、0.1401、6.7477 和 0.9695、0.0181、5.7246,精度和稳健性均大幅提升。相比于独立预测模型,一体化模型对酸度的预测精度有所提升,同时保证了对糖度的预测精度。结果表明,逐次删除法选择的特征波长对糖度和酸度的预测同时有效,所建模型可同时实现对两个指标的高精度预测。