针对实际生产线上基于高光谱成像技术检测苹果内部品质时由于高亮区、果梗和果萼等区域光谱差异大导致的糖度误差问题，本研究提出了一种随机姿态下苹果高光谱图像感兴趣区域的选取方法，可实现感兴趣区域的自动选取。该方法首先将高光谱图像各像素点按照700 nm波长的光谱强度值进行直方图统计，获取各像素点光谱强度的大小关系，保留光谱强度前40%的区域，对其进行形态学腐蚀操作，去除其中700 nm光谱强度值大于3 900的过度曝光像素点，获得苹果原始感兴趣区域；然后基于原始感兴趣区域，建立不同大小感兴趣区域对应的平均光谱与苹果糖度的偏最小二乘回归（PLSR）模型，探究苹果感兴趣区域大小与预测精度的关系，进一步缩小感兴趣区域。最终选取原始感兴趣区域光谱强度前70%的区域作为感兴趣区域对任意姿态下的苹果糖度进行预测。基于该方法，建立了基于高光谱成像技术的苹果糖度无损检测模型，实测验证结果表明，经黑白校正、标准正态变换（SNV）预处理后建立的竞争性自适应重加权算法偏最小二乘回归模型（CARS-PLSR）的预测精度最高，其校正集决定系数（R■）为0.9206,校正集均方根误差（RMSECV）为0.3203°Brix,测试集决定系数（R■）为0.8664,测试集均方根误差（RMSEP）为0.4681°Brix,证明了该感兴趣区域选择方法的正确性和有效性。本研究结果可为基于高光谱成像技术的苹果在线分级系统的设计奠定理论基础，具有重要的实用价值。