由于苹果采摘、运输过程中工人操作不当,道路颠簸等因素,苹果表面容易产生不同程度的机械损伤。苹果的损伤不仅会造成营养流失,还会带来巨大的经济损失。损伤时间和损伤程度是常见的苹果机械损伤的评价指标,对于苹果品质分级具有重要的现实意义。本文基于高光谱成像技术,通过采集不同损伤时间和不同损伤程度的高光谱成像数据,对其进行分析,得到以下成果:(1)提取苹果机械损伤的区域。基于RELIEF算法,根据其特征权重得到了468.04 nm、549.96 nm、621.64 nm、683.08 nm、974.92 nm五个敏感波长。随后,在所选波长建立了像素级别的苹果损伤识别逻辑回归分类模型,识别率为99.12%。并对图像进行形态学操作,得到更加完整、准确的损伤区域。结果表明,该方法能有效地检测出损伤部位。(2)估计苹果机械损伤的时间。对苹果损伤区域进行重采样,得到苹果损伤区域的特征光谱,建立关于其光谱与损伤后时间的人工神经网络模型,可以对未知的苹果损伤时间进行估计,精度可达91%。(3)苹果机械损伤程度判别。在已有的机械损伤时间估计模型的基础之上,对苹果机械损伤程度进行迁移学习,得到关于苹果机械损伤程度的人工神经网络模型,该模型对苹果损伤的判别精度可达88%。