皇冠梨在出口海外市场的过程中,会产生内部腐败变质而外观无明显变化的现象,从而导致商品会被全部拒收,造成巨大的经济损失。另外,在其品质检测过程中一直使用有损检测技术的感官评定方法,该方法一方面检测样本较少,覆盖面较小;另一方面其结果可靠性差、可重复性差。因此,本文特提出一种新型的无损检测技术,分别建立基于电子鼻嗅觉特征和视觉图像特征的皇冠梨分类模型,并将基于电子鼻技术和机器视觉技术的融合技术应用于皇冠梨品质检测,提高分类模型的准确率。本文首先介绍了课题的研究背景与意义,简单描述梨果类产品品质检测技术的现状,介绍目前石家庄皇冠梨感官评定的检测方法,并具体阐述了国内外机器视觉检测技术与电子鼻检测技术的研究现状。其次介绍实验材料的采集与处理方案,并搭建适用于皇冠梨样品的图像采集系统,制定工作流程,然后基于图像原始数据进行特征提取与分析工作,包括颜色特征提取和表皮果点特征提取两方面,最后对获取的图像特征数据进行分析,按照图像视觉数据分析步骤进行实验、进行降维可视化分析以及模型训练与验证工作,得到各分类模型的测试集与验证集准确率。再次介绍电子鼻设备的工作流程、传感器特性以及参数设定,根据实验材料和设备制定具体的检测条件与实验方案,并对数据分析方法及原理进行介绍。针对单独的电子鼻嗅觉数据进行响应曲线分析和雷达图分析,并基于电子鼻原始数据进行特征提取与分析工作,对传统的单一特征提取方法进行改良,提出了多特征提取法,比较单一特征数据和多特征数据的模型准确率,最后对获取的电子鼻特征数据进行分析,按照电子鼻嗅觉数据分析步骤进行实验、进行降维可视化分析以及模型训练与验证工作,得到各分类模型的测试集与验证集准确率。最后针对电子鼻数据与图像数据融合后的融合数据进行分析,首先介绍了多信息融合的原理和方法,再对不同融合方法进行比较,选择合适的多信息融合方法,并对融合特征数据进行分析,按照融合信息数据分析步骤进行实验、进行降维可视化分析以及模型训练与验证工作,得到各分类模型测试集与验证集准确率,并对三种不同技术的验证结果进行比较与分析,从而确定基于皇冠梨品质检测的最优分类可调模型。