我国苹果产量位居世界首位,但出口量占总产量的比例却远低于发达国家,其主要原因在于我国成品苹果质量不达标且浪费严重。损伤是影响苹果品质的常见因素,苹果受损后会加速腐烂,随着时间的延长,还会对整批次的其他优质苹果造成影响。传统人工和化学试剂检测苹果品质的方式可靠性和稳定性较差,不能满足实际生产生活的需求。因此,研究苹果品质的无损检测技术对实现苹果品质快速检测分类、减少商业损失、提高市场竞争力具有十分重要的意义。针对上述问题,本文进行了基于高光谱图像的苹果表面轻微损伤检测与损伤时间估计技术的研究,并完成了如下工作:(1)为了完整清晰地获取完好与损伤苹果的高光谱图像数据,本文设计了一套高光谱图像采集系统。又针对在制造苹果损伤时难以实现均匀性的问题,设计了一套斜坡式苹果损伤制造装置。(2)针对苹果表面轻微损伤不明显,而难以检测的问题,本文设计了一种基于特征波段的主成分变换检测损伤区域的方法。该方法首先利用两次连续投影法对完好与损伤光谱数据进行分析,得到识别苹果损伤的特征波段(821 nm和940 nm);然后对特征波段进行主成分分析,选择完好与损伤区域差异明显的第二主成分(PC2)作为检测损伤的有效图像;最后,对有效图像进行分割和边缘检测来检测轻微损伤部位。实验表明,该方法的总体检测正确率达到94.38%。(3)针对在苹果损伤时间间隔较短时,仅使用单一光谱特征估计损伤时间效果不太理想的问题,本文设计了一种基于光谱及纹理特征估计苹果损伤时间的方法。该方法首先利用MRMR-GA算法提取利于估计苹果损伤时间的光谱特征(503 nm、554 nm、642 nm、679 nm、684 nm、715 nm、811 nm、864 nm、972 nm、978 nm、983 nm、989 nm);然后对光谱特征波段图像进行主成分分析,提取主成分图像的纹理特征;最后基于光谱和纹理的组合特征,结合SVM、RF建立并比较时间估计模型。结果表明,基于组合特征建立的模型的估计准确率要高于基于光谱特征所建的模型,且基于组合特征的RF模型估计效果最好,正确率为93.93%。通过以上的实验结果分析,本文设计的基于特征波段的主成分分析法可以有效检测苹果表面轻微损伤,同时纹理特征与光谱特征组合能够提高损伤时间检测的准确率,弥补单一光谱特征的不足。为苹果品质的自动化在线检测设备的研发提供理论基础。