脐橙是中国主要的果品之一,以营养丰富,汁水甘甜备受人们欢迎。为了能够延长脐橙的销售期以创造更大的价值,需要对脐橙进行贮藏,因此对贮藏期内脐橙品质的保证显得尤为重要。脐橙的贮藏期常见的缺陷主要有干耗和烂耗,其中干耗常见的主要是脐橙粒化失水,烂耗主要由各种病菌导致,其中青霉病菌最为常见,如何在脐橙贮藏期内快速检测判别缺陷果具有重要意义。因此,本文以脐橙贮藏期常见的两大缺陷:果肉粒化和青霉病感染为研究对象,基于高光谱成像技术探索常见缺陷检测的可行性,研究不同粒化程度的判别以及不同青霉真菌感染程度的鉴别,以达到控制脐橙质量,防止交叉感染从而减少损失。具体研究内容和结果如下:（1）以不同粒化程度脐橙为研究对象,从光谱特征和图像特征两个角度出发。首先对平均光谱反射率进行分析,不同粒化程度脐橙光谱存在差异,表明可以建立模型进行区分。为了筛选重要的特征变量,选用了主成分分析（PCA）、连续投影算法（SPA）、无信息变量消除法（UVE）三种特征变量提取方法提取有用变量,去除无用信息。随后结合反向传输神经网络（BPNN）、偏最小二乘判别分析（PLS-DA）、最小二乘支持向量机（LS-SVM）建立判别模型,结果表明:UVE-LS-SVM效果最好,测试集准确率高达99.22%。从图像特征角度,判别图像特征检测的可行性,提取了脐橙图像在RGB颜色空间的9个颜色分量以及5个纹理特征,利用图像特征作为输入建立与脐橙粒化程度的定性模型,结果表明线性核函数LS-SVM效果最佳,最佳预测准确率为88.37%。可以看出,光谱特征和图像特征两种方式都能够很好地判别脐橙粒化程度,且光谱特征优于图像特征,为脐橙粒化提供了一种快速无损的检测方法。（2）从光谱特征、光谱融合、图像特征、图谱融合角度对脐橙青霉病感染程度进行了判别。以不同感染程度脐橙为研究对象,采集了脐橙样本在400-1000 nm和1000-2000nm两个波段内的高光谱图像。从光谱特征角度出发,提取了两个波段内的平均光谱,采用S-G平滑、离散小波变换（DWT）、标准正态变量变换（SNV）对光谱进行预处理并建立PLS-DA、SVM模型预测,在两个波段内S-G平滑预处理效果最佳,融合波段效果优于单一波段。为了进一步提高建模精度,利用SPA、UVE对融合波段进行特征变量提取并建立支持向量机（SVM）模型,建立的S-G-SPA-SVM效果最佳,测试集准确率为95.20%。从图像特征角度出发,提取脐橙样本14个图像特征,并建立图像特征、光谱特征与图像特征全波段融合、光谱特征与图像特征的特征融合的LS-SVM模型。结果表明,特征变量融合的光谱特征与图像特征效果最佳,最佳预测准确率为96%,为所有脐橙青霉病感染程度判别模型里最优,从几个角度评估脐橙青霉病感染程度的检测可行性对脐橙品质具有重要意义。本文利用高光谱成像技术结合多种算法对贮藏期内的脐橙进行缺陷检测,为高光谱成像技术在贮藏期内水果质量安全的检测提供一定的参考。