香梨在采摘、储运过程中容易受到碰撞、挤压,造成大面积腐烂,本文采用高光谱图像技术对香梨的表面损伤缺陷进行准确高效的无损检测。选用80个香梨为研究对象,采集400~1000nm波段范围内完好样本和损伤样本的高光谱图像;然后分别研究了基于光谱信息的香梨表面损伤识别方法、基于高光谱图像的香梨表面损伤识别方法。主要工作如下:(1)研究了利用可视/近红外光谱以及高光谱图像对库尔勒香梨的表面损伤进行检测的原理,重点分析了特征波段选择算法、香梨表面损伤识别模型的建立方法、高光谱图像的波段比增强方法以及表面损伤图像的分割方法。论文还利用高光谱图像采集设备采集了80个香梨样本的高光谱图像(400-1000 nm),建立了小规模样本集。(2)对采集的香梨光谱图像进行感兴趣区域光谱提取,求取了完好香梨样本和损伤香梨样本的平均反射光谱。分别采用SPA、CARS、RELIEF三种方法对香梨平均反射光谱进行降维处理,分别选出了17个、17个、18个特征波长。利用这些特征波长,分别构建了基于LDA算法、基于SVM算法、和基于ELM算法的香梨表面损伤检测模型。通过实验结果对比分析,RELIEF-ELM模型能够取得最好的检测效果,准确度为92.5%、精度为94.7%、召回率为90.0%,这种方法具有较高的应用潜力。(3)研究了基于高光谱图像的香梨表面损伤检测方法。利用统计分析的方法,选择了波长为863 nm处的高光谱图像建立掩膜图像;运用PCA分析降低香梨高光谱数据的维度,经过分析比较,选择了损伤与背景区域差异最为明显的PC2图像;将其和PC4进行波段比处理,进一步增强损伤区域与背景区域之间的差异;最后经自适应阈值分割、形态学开运算与闭运算,提取香梨表面损伤区域。结果表明,该方法能够有效识别出香梨的表面损伤,准确度、精度和召回率分别为:93.75%、87.50%和100%。