高光谱图像技术应用于水果品质无损检测是一个重要的发展趋势。高光谱图像技术结合了图像技术和光谱技术的优点,可实现对水果内外品质快速、无损检测。红枣是宁夏特色农产品,其品质倍受消费者关注。本文利用高光谱图像技术对红枣内外多品质参数进行无损检测研究。采用偏最小二乘法和BP神经网络建立长枣糖度、果肉硬度预测模型以及BP神经网络和支持向量机建立红枣品种鉴别模型：对于外部缺陷特征,采用特征波段主成分分析和波段比算法结合图像处理方法检测长枣表面轻微损伤和虫伤。从而为开发实时、在线、快速无损检测系统提供理论依据。论文主要研究结果如下：(1)原始反射光谱经过多元散射校正预处理,所建预测和鉴别模型性能较好。(2)BP神经网络建立长枣糖度和果肉硬度预测模型优于偏最小二乘法。糖度BP神经网络预测模型的相关系数和均方根误差分别为0.9205和1.7482。果肉硬度BP神经网络预测模型的相关系数和均方根误差分别为0.9042和15.1631。(3)通过主成分分析对长枣高光谱图像数据进行有效降维,选取了四个特征波段(1029nnu、1229nm、1387nm、1467nm)便于构建基于滤波片的高光谱图像系统应用到长枣在线无损检测中。(4)特征波段的主成分分析和波段比算法都能有效地检测长枣表面缺陷,总体检测正确率都达到了90%以上。(5)支持向量机建立红枣品种鉴别模型得到鉴别结果较理想。采用RBF径向基核函数,惩罚参数c与核函数参数g用交叉验证的方法得到,鉴别准确率为95%。