随着时代的进步,我国经济发展变得迅速,居民生活质量得到显著提升,人们对健康生活的需求也愈加迫切,对水果的要求从美味转变为美味兼健康。蓝莓凭借其营养成分含量高、保健功能显著等特点,成为备受人们关注和喜爱的水果之一。蓝莓果实采摘后其内部品质的检测多采用传统破坏性方法,该方法存在分析速度慢、制样复杂、耗时费力成本高等缺点,而且有的成分需要化学试剂才能提取,破坏了检测样品也污染环境,不符合绿色发展要求,不能在生产过程中对内部成分进行实时检测。可见/近红外（visible/near infrared,Vis/NIR）光谱技术,兼具环保、经济、信息丰富、非破坏、便捷等优势,对果蔬质量的高效检测起到积极作用。以4°C贮藏12天的蓝莓为研究对象,利用可见/近红外光谱技术对可溶性固形物、维生素C和花青素含量进行高效预测。（1）采集蓝莓试验样本的可见/近红外光谱数据,使用折光仪测量可溶性固形物含量,采用联合X-Y的离群值识别方法（ODXY）剔除了6个异常样本,并利用X-Y共生距离算法（SPXY）以4:1的比例划分样本集合。对二阶导数（SD）结合标准正态变换（SNV）算法处理后的光谱数据,通过区间偏最小二乘（i PLS）、联合区间偏最小二乘（Si PLS）、无信息变量消除（UVE）、连续投影算法（SPA）和竞争性自适应重加权算法（CARS）提取关键变量。用关键变量创建深度信念网络（DBN）、极限学习机（ELM）和偏最小二乘回归（PLSR）模型。分析评价不同特征波长变量在不同建模下最优模型的性能,结果表明蓝莓可溶性固形物含量的最优校正模型为UVE-DBN,参与建模的变量有236个,校正相关系数Rc、校正均方根误差RMSEC、预测相关系数Rp、预测均方根误差RMSEP分别为0.859 1、0.658 0、0.856 9、0.662 7。（2）使用紫外可见分光光度法测量蓝莓样本的维生素C含量,利用ODXY删除了15组异常样本,SPXY以4:1的比例分割样本集合。对光谱数据进行SD+SNV预处理,运用i PLS、Si PLS、UVE、SPA和CARS提取特征波长变量,分别建立PLSR、ELM和DBN模型。三种建模下最优的模型分别为CARS-PLSR、SPA-ELM、CARS-DBN,综合分析,蓝莓维生素C含量的最优校正模型为SPA-ELM模型,参与建模的变量有9个,Rc、RMSEC、Rp、RMSEP分别为0.912 0、0.624 7、0.879 1、0.633 5。（3）使用紫外可见分光光度法测量蓝莓样本的花青素含量,利用ODXY剔除16个异常样本,SPXY以4:1的比例划分样本集。SNV方法用来预处理光谱数据,运用i PLS、Si PLS、UVE、SPA和CARS提取特征波长,分别建立PLSR、ELM和DBN模型。三种建模下最优的模型分别为UVE-PLSR、CARS-ELM、CARS-DBN,综合分析,蓝莓花青素含量的最优校正模型为CARS-DBN模型,参与建模的变量有25个,Rc、RMSEC、Rp、RMSEP分别为0.932 3、1.571 3、0.897 2、1.711 6。研究表明,利用可见/近红外光谱技术能够快速无损测定蓝莓的可溶性固形物、维生素C和花青素含量,所建模型可以为蓝莓品质快速评价提供参考,同时也为其他果蔬提高附加值方面提供了思路。