猕猴桃不易直观判断成熟度,果实采收后有自然后熟过程,常温不耐贮藏,这给采收工作带来很多不便。在实践生产活动中,如果采摘时机选择不当,不仅仅影响猕猴桃的贮藏和销售,还容易因为猕猴桃感染病虫害而减收,甚至是绝收。花青素作为红肉猕猴桃果实中普遍存在的营养成分,研究其含量变化随成熟度的变化趋势,有助于辅助判断猕猴桃的成熟度。而光电技术作为最成熟的检测技术之一,在食品成分检测中有着广泛的应用。本文以配备二极管阵列检测器（DAD）和可变波长检测器（VWD）的高效液相色谱仪为实验平台,以泰顺县种植的红肉猕猴桃为实验材料,对猕猴桃成熟检测技术进行研究,主要研究内容如下:（1）对花青素标准溶液进行波段扫描,筛选花青素最佳吸收波长。使用最佳吸收波长对红肉猕猴桃中花青素种类进行测定,对比标准溶液可知红肉猕猴桃中花青素主要种类为矢车菊色素。使用高效液相色谱-可见光检测法对红肉猕猴桃样品进行花青素加标回收实验,实验回收率大于85%,表明该检测方法适用于猕猴桃中花青素的含量检测。（2）对成熟期不同时段猕猴桃的花青素含量进行检测,利用对非线性问题具有良好逼近能力的BP神经网络建立了猕猴桃授粉后时间、花青素含量与可溶性固形物含量之间的映射关系模型。使用实验数据对BP网络进行训练,测试集的预测值与实际值之间的相对误差小于10%,表明授粉后时间、花青素含量和可溶性固形物含量之间存在良好的相关性,该模型适用于猕猴桃成熟度的研究。（3）由于神经网络对初始权值较为敏感,实验采用遗传算法对BP神经网络初始权值和阈值进行了优化,优化后的神经网络样本最大相对误差绝对值下降到2.08%,均方误差从0.1175下降到0.0061,平均绝对百分比误差从4.05%下降到0.92%,有效提高了模型的预测精度和稳定性。通过GA-BP神经网络预测,当花青素含量低于85mg/kg时,猕猴桃果实已经成熟。