近年来我国几大苹果主产区均已出现不同程度的霉心病病害,苹果霉心病发病呈逐年上升态势,给整个产业造成了严重损失。现有霉心病无损检测方法多基于近红外光谱分析技术,采用漫反射、透射进行全波段光谱病害分析,实现了单个苹果样品霉心病检测,但仍存在检测过程自动化程度低,复杂度高的问题,难以满足果品产业在线分选对检测方式、检测速度、可靠性等方面的实际需求。针对产业霉心病在线检测需求,本文基于霉心病发病机理分析,提出多因子融合的霉心病在线检测方法,构建了融合多源信息的病害判别模型,在此基础上设计开发了相应的霉心病在线检测系统,并进行了系统测试与验证,结果表明本文设计的霉心病在线检测方法能够有效满足苹果霉心病在线高通量检测需求,为实现苹果霉心病在线检测与保障果品质量安全提供了新思路,对提升水果产业分选水平,增强产业核心竞争力具有积极意义。本文具体工作及结论如下:(1)霉心病在线检测主要关联因素分析。基于苹果霉心病病害机理分析,提取了霉心病在线检测主要关联因子,论证了基于近红外透射光谱及果实密度综合检测霉心病果的可行性,最终提出了采用霉心病特征透射光强、果形指数、果径和重量作为霉心病的主要判别因子。针对霉心病特征透射波段选取需求,本文基于苹果霉心病近红外光谱采集平台,获取了样品全光谱数据,采用偏最小二乘法进行了特征波段筛选,最终确定在200-1100nm波段范围的霉心病最相关波段为701nm~728nm。(2)多源信息预处理方法研究。本文基于霉心病在线检测试验平台,获取了108个陕西红富士苹果的图像、重量、透射光谱数据;针对苹果果形指数信息的获取,提出了一种基于机器视觉技术的苹果横纵径在线计算方法,在线识别果实横径、纵径的平均相对误差为2.07%、2.52%;针对透射光谱和重量数据特点,分别测量三次数据取平均值作为样品数据;最后,采用Z-score方法对四维霉心病检测关联因子数据进行了归一化预处理。(3)苹果霉心病在线判别模型研究。霉心病判别具有二分类非线性特点,采用线性判别算法,针对四维霉心病检测关联因子间不同组合情况构建霉心病判别模型,结果表明四维因子融合的判别模型准确率最高,达到68.18%;采用支持向量机算法,构建了基于径向基核函数的四维因子融合的判别模型,准确率为90.91%,建模时间为5.951s;采用随机森林算法,分析了不同决策树个数对模型性能的影响,以150棵决策树构建了四维因子融合的判别模型,准确率为95.45%,建模时间为0.054s。通过模型对比分析,结合本研究中在线检测对模型复杂性、实效性的需求,最终选用随机森林算法构建霉心病在线检测模型。(4)苹果霉心病在线检测系统开发与验证。基于构建的检测模型,采用C++语言开发了苹果霉心病在线检测系统软件,并将检测模型嵌入在线检测系统,搭载于苹果霉心病在线检测试验平台,实现了苹果霉心病在线检测与分选决策;采用陕西红富士苹果54个,进行了系统整体测试,结果表明检测系统可实现苹果多源信息获取分析、病害精准判别以及苹果霉心病在线分选决策,系统运行稳定可靠,霉心病在线判别精度达83.3%,检测速度达到1.5s/个,能够满足苹果霉心病在线检测需求。