近年来,我国水果产业受到的外来挑战越来越大,提高水果果品的品质成了当前的燃眉之急,这就对我国水果的分级处理能力提出了要求。但是我国目前的分级技术等产后处理技术十分落后,还有不少水果的分级处理工作仍需人工完成。传统方法对水果内部品质检测都需要对样本作破坏性处理,费时费力。因此,亟需一种快速、无损、环保的检测方法对水果的内部品质进行测定。本文通过可见-近红外光谱技术与多光谱图像技术对葡萄可溶性固体含量(SSC)进行了无损检测建模和仪器化研究,主要研究内容如下：1.应用可见-近红外光谱分析技术对4个葡萄品种(比昂扣,红地球,巨玫瑰、藤稔)的可溶性固体含量(SSC)进行了测定。采用USB4000微型光谱仪对葡萄样本采集了可见-近红外光谱数据,应用偏最小二乘法回归(PLS)、反向传播人工神经网络(BP-ANN)、最小二乘支持向量机(LS-SVM)模型以及基于粒子群优化的支持向量机(PSO-SVM)等方法建立了葡萄SSC预测模型。预测结果显示,PSO-SVM模型的预测能力最强,对各个品种的预测决定系数Rp2为0.87～0.95,预测误差RMSEP为0.77～1.23°Brix。2.应用多光谱图像技术对同样4个葡萄品种的SSC进行了建模研究。研究中采用多光谱摄像机对葡萄样本采集了多光谱图像数据,结合数字图像处理技术,自动分离出葡萄图像,并对其进行了HIS、CIE XYZ等多个颜色空间的转换和植被指数的计算,共获得葡萄果实13个光学特征参量,利用这些特征参量建立了单元线性回归模型和多元回归模型(MLR, BP-ANN、LS-SVM和PSO-SVM。预测结果表明,多元回归模型预测精度较高,其中PSO-SVM模型预测精度最高,对4个葡萄品种的预测决定系数Rp2为0.82～0.93,预测误差RMSEP为0.99～1.17°Brix。另外,对13个光学特征参量的组合优化表明,用CIE XYZ, RGB颜色特征结合近红外特征的预测精度更高。3.提出了基于特征波长发光二极管的葡萄SSC快速无损检测仪的原理和实现方案。首先应用连续投影算法提取葡萄SSC特征波长,再筛选出具有近似发光波长的LED作为光源,结合单片机系统完成仪器设计。仪器测试结果表明,预测相对误差小于10%。