我国的水果播种面积位于世界第一位,水果总产量也在逐年增长,但是我国水果的出口量却只占水果总产量的1.8%,这归根结底都是因为我国的水果品质检测技术的落后。为满足我国的水果出口需求和消费者对水果品质多元化的要求,我国水果品质检测的水平必须提高,从而实现对水果精确的品质检测。故本文基于近红外光谱分析技术进行水果品质检测研究。以下是本文主要研究内容和结论:(1)根据三种近红外检测方法的特点和实验需要,设计了近红外漫反射检测实验系统,并搭建了实验平台。实验标记香蕉上的5个均分点为数据采集点,标记沿着鲜枣和圣女果赤道上间隔约120°的3点为数据采集点,标记苹果样本上中心轴上一点和中心圆上相互对称的四个点为数据采集点。(2)研究了苹果、鲜枣和香蕉的同种样本的不同个体的光谱,以及样本整体和切片的光谱差异;研究了香蕉(跃变型果实)和鲜枣(非跃变型果实)一周的光谱变化情况的差异。实验结果表明:实验数据能完整反应香蕉、鲜枣和苹果的水果内部物质结构信息,三种样本波峰所对应的波长相近,不同个体光谱虽有差异,但波形相似,波峰位置也基本一致,样本切片反映出的内部信息更全面;跃变型果实采摘后的光谱波动更大,并且吸收度呈现出先升高后降低的趋势,而非跃变型果实在短期内的光谱变化不明显。(3)以圣女果为研究对象,基于近红外光谱定量分析技术对圣女果含糖量进行预测,主要包括预处理,建立模型,模型验证三个过程。预处理:对比5种平滑去噪方法,选择Savitzky-Golay方法进行平滑处理,并根据主成分分析结果随机选取累积贡献率高于99.99%的4个数据,得到神经网络的输入矩阵。建立BP网络模型:将预处理后的光谱数据作为网络的输入,圣女果实测含糖量为输出,通过调整输入层维数、隐含层神经元数和网络训练函数得到多个模型,对比模型的交叉验证决定系数、平均绝对偏差和预测值与实测值的结果图,得出预测效果最好的模型结构为80-12-1,此时模型交叉验证决定系数为0.8328,平均绝对偏差为0.5711。对最优模型进行验证:对20个圣女果光谱数据进行预处理,将主成分分析后的前80个主成分作为网络的输入,通过最优模型进行仿真,其含糖量预测值与实测值相近,且交叉验证决定系数为0.9280,故此最优模型能够实现对圣女果的含糖量预测。