高光谱成像技术结合了传统成像和光谱学技术的主要优点,可以同时获取待测物体的光谱信息与空间信息,其中光谱信息反映物体的内部品质比如成分、结构等,空间信息反映物体的形状、颜色和表面缺陷等外部品质。作为一种新型的、高效的、非接触式的光学成像技术,高光谱成像技术在水果的快速无损检测中发挥了巨大的作用。本文设计了一种基于液晶可调谐滤波器的高光谱成像系统,可快速获取水果样品在可见光范围内的高光谱图像,通过提取图像的空间和光谱信息并经过多种预处理方法和识别算法,可实现对水果的快速识别分类。主要内容如下:1.介绍了高光谱成像技术基本原理以及常见的系统结构,从宏观和微观两方面分别分析了果蔬与光相互作用的机理,阐述了望远成像系统及变焦距系统的原理并计算出系统所用的光路参数。2.利用计算得到的光路参数,自主设计系统的机械结构并搭建了高光谱成像实验系统,从光路结构方面对系统进行了仿真分析,最后对系统的性能进行了理论分析,提出了提高系统成像性能的方法。3.研究了光谱图像的预处理方法、特征提取以及分类识别方法。针对高光谱实验系统硬件引起的噪声,介绍了光谱图像黑白校正法、去除噪声的多种滤波算法。针对高光谱图像数据量大的问题,研究了基于主成分分析法的光谱图像的特征提取方法。介绍了光谱图像的分类识别方法,主要研究了支持向量机和人工神经网络算法。4.开展了香蕉新鲜度和柑橘表面缺陷识别的实验研究。基于主成分分析的数据处理方法,比较了支持向量机和人工神经网络等算法的识别准确率,结果显示识别准确率均在85%以上;针对不同柑橘品种开展了缺陷表面的识别研究,运用BP神经网络算法建立缺陷识别模型,识别准确率在80%左右,结果表明高光谱成像技术对柑橘类水果的缺陷识别检测是可行的。通过上述研究表明,高光谱成像技术对于水果的品质研究判断及分类识别是可行的。