我国是世界上苹果生产大国,苹果产量常年居世界第一,但苹果出口量占比却很低,造成这一现象的重要原因之一是我国的苹果品质检测技术和品质分级技术比较落后。近年来越来越多的学者开始将高光谱成像技术应用到苹果品质的无损检测当中,该技术可同时获得苹果的光谱信息和图像信息,在苹果无损检测方面具有广阔的应用前景。因此本文以市场上随机购买的烟台富士苹果为研究对象,基于高光谱成像技术对苹果内部指标糖度进行了无损检测研究,并搭建了苹果实时在线检测系统实现苹果等级的划分。本文的具体研究内容如下:（1）提出了一种随机姿态下的苹果感兴趣区域的简易选择方法。先进行苹果感兴趣区域的初步选取,将高光谱图像各像素点按照700nm波长的光谱强度值进行直方图统计,取光谱强度前40%的区域后进行形态学腐蚀操作,可有效去除背景区域和果梗或果萼区域,同时将光谱强度较低的苹果区域去除,只保留光谱强度较高的苹果区域,之后再对保留区域各像素点700nm光谱强度值进行阈值判断,去除曝光过度区域,获得苹果原始感兴趣区域。为了进一步缩小感兴趣区域,探究了苹果感兴趣区域大小与预测精度的关系,分别取原始感兴趣区域中光谱强度前 10%、20%、30%、40%、50%、60%、70%、80%、90%、100%的像素点集合作为感兴趣区域,计算感兴趣区域的平均光谱作为该苹果的特征光谱,建立不同大小感兴趣区域对应的特征光谱与苹果糖度的偏最小二乘回归（PLSR）模型,发现当取原始感兴趣区域光谱强度前70%的区域时可以获得最高的预测精度。（2）建立了基于高光谱成像技术的苹果糖度无损检测模型。比较了多种数据预处理方法,发现经标准正态变换预处理后的模型性能最优;其次探究了连续投影算法（SPA）、主成分分析（PCA）、反向区间偏最小二乘法（BiPLS）、蚁群算法（ACO）和竞争性自适应重加权算法（CARS）五种特征提取方法,分别建立了五种特征提取方法的PLSR模型和反向传播神经网络（BPNN）模型,并建立了全光谱PLSR模型和BPNN模型作为对照,通过比较各模型的评价指标可以发现基于CARS提取40个特征波长后建立的回归模型其性能在两种回归方法下都是最优,说明CARS较其它方法有效地进行特征波长的提取。比较CARS-PLSR和CARS-BP两个回归模型的性能,发现基于CARS算法提取特征波长后建立的PLSR模型（CARS-PLSR）性能更高,测试结果交叉验证决定系数Rcv为0.9595,交叉验证均方根误差RMSECV为0.3203,测试集决定系数Rp为0.9308,测试集均方根误差RMSEP 为 0.4681。（3）设计了基于高光谱成像技术的苹果糖度无损检测系统,开发了相应的下位机系统和上位机软件。在硬件上,该系统主要由上料装置、传动装置、检测装置、执行装置和控制装置构成。在软件上,为了加快程序运算速度,采用多线程的思想进行流程设计,设计了高光谱数据采集、数据运算和苹果位置实时监控三大流程,各执行流程之间采用消息队列的形式进行数据交互。设计良好的人机交互界面,包括设置模块、连接模块、样本采集模块、分选结果显示模块、指标检测结果显示模块、系统运动控制模块、流水线实时图像显示模块和状态信息显示模块等,布局合理、功能丰富。并对最终建立的系统进行了测试,测试结果Rp为0.9104,RMSEP为0.5417,满足分级精度的需求。