果蔬含有维持人体正常生理机能,保持人体健康的营养物质,是人们日常生活中不可缺少的副食品,也是仅次于粮食的世界第二重要农产品。由于果蔬生产季节性强,上市集中,容易产生时间上和空间上的相对过剩;从而导致滞销跌价,果蔬腐烂损耗等现象。果蔬干燥是解决上述问题的重要途径。水分含量及其均匀度、颜色是反映干燥后果蔬产品品质的重要指标,它们决定了消费者的购买欲望,产品的安全储存期、贮存稳定性等。同时,水分含量及其均匀度、颜色也是反映干燥工艺路线及参数选择是否恰当的一类重要指标,上述指标的快速获取有利于生产者改进工艺路线并优化工艺参数,从而提高经济效益。本文针对传统果蔬干燥过程中,水分含量及其均匀度、颜色指标难以无损检测问题,结合高光谱图像技术的优点,研究了在果蔬干燥过程中的水分含量及其均匀度,颜色的快速无损检测方法。论文主要做了以下工作:1.研究了基于多模型融合的干燥过程中的品质检测方法,并应用于干燥过程中的毛豆颜色和水分含量无损检测,来提高检测精度。分别获取400-1000nm波段之间的不同干燥时间下的毛豆高光谱图像.提取了毛豆高光谱图像的平均值,熵,相对散度,标准差特征;分别利用这四类特征建立毛豆颜色、水分含量的偏最小二乘预测子模型;最终通过对各预测子模型加权融合获得最终的预测结果。结果表明:多模型融合后的水分含量和颜色的预测结果优于单特征模型的预测结果。2.水分含量均匀度是干燥过程一个重要指标,它是评价干燥果蔬质量和干燥工艺的一个重要参数。本文研究了两种基于高光谱图像技术的玉米水分含量均匀度的预测方法(间接预测法、直接预测法)。间接预测法是利用高光谱图像预测水分含量,并间接计算水分含量均匀度;而直接预测法是利用玉米高光谱图像的平均光谱特征建立水分含量均匀度的预测模型。研究结果表明,采用直接预测方法获得的水分含量均匀度预测效果要显著优于间接预测法。3.研究了基于正交信号校正的高光谱图像预处理方法,并应用于玉米水分含量均匀度的无损检测。论文提取了干燥过程中玉米高光谱图像的均值特征和标准差特征;利用正交信号校正法对均值特征和标准差进行预处理,并建立其偏最小二乘预测模型。结果表明:在保证模型预测精度的前提下,均值特征和标准差特征经过正交信号校正预处理后能够删除光谱中的冗余信息,保留有效的光谱信息,使模型得到简化和改善。