传统的水果分选方式主要依靠人工肉眼对水果的重量、大小、外表等品质进行分选,该方法难以判别其内部品质,而近红外动态在线无损检测装备可实现薄皮和中皮水果内部品质分选,而预测模型精度是近红外动态在线分选装备的核心技术之一,高精度的模型是水果分选的重要保障。分选时水果的尺寸、方向、积分时间等参数影响模型精度,为了提高水果的模型精度,本文以薄皮水果（甘肃红富士）和中皮水果（广西沃柑）两种代表性水果为研究对象,采用近红外漫透射方式采集光谱,在环形光源1000w（10个卤素灯）、水果采集速度为5个每秒工作条件下进行光谱采集,结合化学计量法寻找出不同尺寸下两种典型水果的最优参数,并对最优参数的模型进行了模型优化,以实现该典型两种水果的糖度的快速、高精度检测。其主要研究结果及结论如下:（1）本文以薄皮水果（甘肃红富士）为研究对象,利用近红外无损动态在线检测装置建立三种不同尺寸区间（70-80 mm、80-90 mm、90-100 mm）的苹果在三种积分时间（75 ms、100 ms、125 ms）和三种方向下的模型并对模型糖度进行评价。先分析尺寸对模型精度的影响,发现尺寸最高可以对糖度模型产生81.1%的影响。其次探讨在不同方向条件下,研究苹果尺寸与积分时间的组合。在特定方向和积分条件组合下糖度模型效果为98.4%。。在610-1025 nm,710-980 nm、750-1025 nm等多个光谱范围内使用多元散射校正（MSC）、归一化（Normalize）和高斯滤波平滑（GFS）等方法对特定方向的光谱做预处理。其中,基于归一化方法在710-980 nm具有最好的效果,其模型参数为Rp~2=0.869、RC~2=0.958、RMSEC=1.240e-06和RMSEP=2.220e-06。最后利用竞争性自适应权重取样法（CARS）和无信息变量消除法（UVE）对所选择的归一化了的有效波长710-980 nm下的光谱进行特征波长筛选,发现CARS-PLS效果最好,其变量由360减少到34个,RC~2由0.958提高到0.971,Rp~2由0.869提高到0.948。本研究为不同尺寸的苹果糖度模型优化提供了较好的参考。（2）以中皮水果（广西沃柑）为研究对象,建立不同尺寸、方向以及不同积分时间下糖度模型,以寻找出不同尺寸下的沃柑的最优参数,并对模型进行了优化,实现了沃柑的内部品质高精度检测。首先,利用近红外无损动态在线检测装置采集三种不同的尺寸（70-75 mm、75-80 mm、80-85 mm）区间的苹果在三种积分时间下（75 ms、100 ms、125 ms）和三种方向下的光谱。然后,利用PLS算法建立81个沃柑糖度模型,发现小、中、大果在第三象限方向下、75 ms-100 ms-125 ms的积分时间组合具有较好的效果,模型参数值为Rp~2=0.804、RC~2=0.945、RMSEC=0.317和RMSEP=0.605。最后,在710 nm-980nm光谱范围内采用多种预处理算法对光谱进行处理,发现归一化进行预处理获得的效果最好;在采用了多种波段筛选算法对光谱进行挑选,发现基于CARS-PLS建模效果最好,其变量由360减少到24个,减少了345个,RC~2由0.927降低到0.901,Rp~2由0.869提高到0.878,在该模型下建模变量数量得到一定的减少,且建模级效果得到了一定的提高。小尺寸跨度的沃柑与苹果获得的模型效果不一样。