当今社会中，人民生活水平不断提高，食品安全问题成为备受关注的热点。水果的无损检测与分级也逐渐成为当今农业工程中的热点课题，不仅可以保证水果的安全质量便于后期加工，还可以提高农民的收入促进农村经济健康快速发展。红枣是中国的特色水果，近些年来更是迅猛发展，存在巨大的市场潜力。红枣的病虫害、外部品质（如大小、颜色）以及内部品质（如糖分含量等），也是人们所关心的重点。影响红枣市场规范与发展的一个重要因素就是没有科学有效的方法保证红枣以及其相应产品质量。近红外光谱技术是一种无损检测技术，检测效率高、操作简便，过程安全可靠、重复性好近些年来发展迅速。　　本文结合红枣的光学特性设计红枣动态检测实验装置，构建了适合红枣内部品质无损检测的光谱采集系统，开展了一系列理化性质采集实验。使用近红外光谱仪采集红枣光谱数据，以采集到的光谱作为研究对象，对光谱信息进行提取，并针对光谱数据做了以下方法的研究。　　研究预处理方法对提高校正模型性能的作用。分别采用光谱预处理方法:一阶微分、二阶微分、多元散射校正(MSC)以及小波变换对红枣的原始光谱进行预处理。由于动态光谱采集时干扰因素较多，提出了采用两种预处理方法相结合的方法，进一步减少了噪声干扰。　　研究利用马氏距离判别分析法来建立红枣病虫害的定性分析模型，并提出将簇类独立软模式(SIMCA)引入定性分析之中，SIMCA法在进行判别前加入了两次主成分分解，提取主要影响因素，以光谱残差的数量级作为判别依据，提供了一种新的建模思路。在短波段、长波段以及全波段三个区域内，并结不同合预处理方法，结果显示:经过各种预处理后的校正集和预测集均有提高，范围2.00-12.50％内。二阶微分法结合小波变换能够有效地提高判别法建模的分析精度，判别法利用原始光谱进行分类建模的正确性是85.00％,小波结合微分建模结果最优准确率为97.50％。MSC结合一阶微分能有效提高基于SIMCA的建模分析精度，准确率由原来的84.38％提高至96.25％。判别分析的准确率更高，且建模波段为长波区(1100～2100nm)数据量小，模型分析效率高。利用近红外技术进行红枣分类建模是可行的且具有较高的识别准确度。　　进行定量分析时，建模波段为785.35～993.61nm，研究利用主成分回归分析法(PCR)和偏最小二乘回归法(PLS)建立红枣糖分即可溶性固态物质(SSC)的校正分析模型，其中PLS在建模是在PCR基础上做了改进，加入对物质含量的分析。对校正模型采用留一交互验证法，依据交互验证均方根误差值(RMSECV)来判断模型预测性能，最小的RMSECV对应建模最佳主成分因子数。在分析的红枣可溶性固态物质(SSC)作为品质指标时试验结果显示:利用主成分回归分析法(PCR)建模的最佳预处理方法为多元校正散射(MSC)结合小波变换(WT)，最佳主成分数为6;利用偏最小二乘回归法(PLS)最佳预处理方法为一阶微分结合多元散射校正(MSC)，最佳主成分数为5;相较于PCR模型，PLS的预测相关系数从0.7460提高到0.9716，预测均方误差从1.62降低到1.16，PLS建模效果优于PCR。总体的预测性能有所提高，且所用因子数更小有助于提高分析效率。　　分析结果表明:通过合适的光谱预处理可以提高模型的分析精度;最优的定性分析模型准确率达到96％以上;定量分析最优模型预测相关系数为0.9716，预测均方根误差为1.16;两种分析类型的预测能力都较好，说明利用近红外漫反射光谱技术对鲜枣进行无损检测具有可行性。　　本实验开发了近红外红枣内部品质动态检测实验装置，根据近红外光谱检测原理特性以及工作流程，研究了光谱预处理方法、建模波段、建模方法，开展对红枣好坏以及可溶性固形物含量的无损检测试验研究。试验结果表明，该试验平台已经基本满足了检测的要求，但仍有部分功能尚不完整不确定，需要在以后的研究中进行不断完善和改进。