确定果实的采收期是降低水果损失率和提高水果品质的关键。过早或过晚采收,均会影响果品的商业价值。不同品种、年份、产地的果实采收期品质都有差异,选择果实适宜的采收期十分困难,目前,果农一般根据其主观经验确定水果的采收期。随着我国设施农业规模化、自动化的发展,迫切需要开展水果采收期田间检测方法和设备的研发,为水果采收期的确定提供科学依据。本文以黄花梨为研究对象,利用光谱分析技术,研究了水果采收期的田间检测方法与试验装置。采用因子分析技术进行了黄花梨采收期表征因子的筛选,构建了黄花梨采收期的可见／近红外光谱(Visible/Near Infrared Spectroscopy, Vis/NIRS)田间试验装置,建立了黄花梨采收期的判别模型和可溶性固形物(Soluble solids content, SSC)含量检测模型,并讨论了树形、年份和采收时间等因素对模型的影响。主要研究结果和结论有：(1)研究了采收期黄花梨的光谱特性。以自制积分球为漫反射附件搭建了黄花梨光谱测量系统,通过分析六成熟、六成五熟、七成五熟、八成熟、八成五熟和九成五熟等6个不同采收期的黄花梨果实光谱,发现采收期黄花梨的主要吸收峰在680、970、1190和1450 nm附近,680 nm附近是叶绿素吸收带,适收期前后黄花梨果实皮从青褐色向黄褐色变化,叶绿素含量下降,反射率增大,其余三个吸收峰主要由果实中碳水化合物的吸收引起,反射率随采收期的延长呈下降趋势,其中,970 nm和1190nm附近是C-H的二阶、三阶倍频吸收带,与果实中糖份的吸收关系密切,此外,1100、1390 nm附近是水果硬度的主要特征吸收峰。结果表明,采收期黄花梨果实的可见／近红外光谱能较好地反映采收期果实内部主要成分的变化,为利用光谱技术进行黄花梨采收期的田间检测提供了依据。(2)利用因子分析方法进行了黄花梨采收期成熟度表征因子的筛选。利用6个采收期的432个棚架形黄花梨果实的直径、硬度、可溶性固形物(SSC)、pH、SSC/pH和单糖(葡萄糖、果糖、蔗糖和山梨醇)等9项基础信息进行因子分析,前3个主因子的累积贡献率为79.5%,能较好地反映原始基础变量的主要信息。论文提出了新的田间采收期黄花梨成熟度综合评价指标F。分别以果实中SSC含量、全部基础变量和综合评价指标F为黄花梨采收期成熟度表征因子,对6个采收期432个样品的正确识别率分别为94.29%、68.75%、55.56%、64.94%、46.75%、65.08%,97.14%、76.56%、60.98%、64.94%、72.72%、77.78%和70.00%、42.19%、64.20%、72.73%、77.92%、74.60%,结果显示基于综合评价指标F的黄花梨最佳采收期前后(八成熟、八成五熟和九成五熟)判别效果优于基于单一指标和全部理化信息的采收期判别。利用PLS (Partial least square, PLS)方法建立黄花梨采收期成熟度综合表征因子F的光谱校正模型,预测集的决定系数为0.91,模型的相对分析误差RPD (Residual predictive deviation, RPD)为3.38,所建模型具有较好的预测能力,为利用光谱技术进行黄花梨采收期的检测提供了依据。(3)建立了基于F因子的黄花梨采收期的光谱判别模型。利用经典的PLSDA(Partial Least Squares Discriminant Analysis, PLSDA)方法建立黄花梨采收期判别模型,结果显示单一树形果实的采收期光谱判别模型对相同年份的同一树形最佳采收期果实的采收期识别率为100%,而对相同年份的不同树形最佳采收期果实的采收期识别率在31.58%-57.9%之间,对不同年份的果实最佳采收期识别率为0,所建模型对不同树形、不同年份的样品适用性差。进一步利用构建的F因子光谱校正模型预测果实的采收期成熟度综合表征因子,并结合不同采收期F值的区间分布进行黄花梨采收期的判别,结果显示模型对相同年份的两类树形果实最佳采收期识别正确率为78.95%和73.68%,对不同年份两类树形果实的最佳采收期识别正确率分别为66.76%和50%。结果表明,基于F因子的黄花梨采收期判别模型具一定的实用价值,有利于克服样品树形、年份对模型的影响。(4)研究了采收期黄花梨中SSC含量的光谱检测模型,讨论了树形、年份和采收时间等因素对模型稳健性和精度的影响,并通过联合建模方法对其影响程度进行了初步评估。树体的光通透性影响果实糖分的积累,不同树形的果实品质存在差异,影响光谱模型的适用性,单一年份、单一树形采收期黄花梨的SSC含量检测模型具有较好的预测精度,预测均方根误差为0.40～0.58°Brix,模型的RPD均大于2.5,适合进行定量分析,所建模型对相同年份、不同树形果实的预测均方根误差为0.63～0.74°Brix,模型的RPD为0.90～2.22,模型的预测精度和稳健性均降低,而单一年份两类树形果实联合模型的均方根误差为0.45～0.54°Brix,模型的RPD为1.54～3.09。利用单一年份样品建立的SSC含量光谱检测模型预测不同年份果实时,预测均方根误差为0.95～1.23°Brix,模型预测结果的RPD均小于1.5,单一年份黄花梨的SSC含量光谱检测模型不能用于不同年份果实中SSC含量的预测,而利用两年份样品建立联合模型的预测均方根误差为0.56°Brix,模型的RPD为2.41。黄花梨果实的SSC含量光谱检测模型受校正集样品所含采收期数量的影响,随着校正集中包含的果实采收期数量的增加,模型的适用范围扩大,模型的预测能力和稳健性增强,分别选择两年度的1个采收期、3个采收期和5个采收期样品建模时,模型的RPD分别为0.95、0.75、2.56和0.85、1.03、1.54。可见,树形、年份和采收时间等因素对采收期黄花梨SSC含量的光谱模型的精度和稳健性有决定性影响,对进一步研究光谱技术在水果田间采收期品质检测中应用有一定的参考价值。(5)开展了黄花梨采收期田间光谱检测试验装置研究。田间水果采集光谱时,环境背景光照的干扰大,难以获取样品有效光谱信息。本研究提出了一种可克服自然光照对田间水果光谱测量影响的方法,通过在测量探头前加装快门,打开快门时测得样品在仪器光源和背景光共同作用下的现场光谱,关闭快门时测得样品仅在现场环境光线作用下的背景光谱,采用将背景光谱从现场光谱中扣除的方法进行背景光校正,集成搭建了黄花梨采收期田间光谱试验装置。通过分析不同背景的参考光谱以及不同光照条件下的样品光谱,结果表明背景光谱校正方法可有效减小田间自然光照对光谱测量的影响。但当有阳光直射样品时,背景光与仪器光源在水果内部可能存在较强的干涉,仅通过背景光校正方法难以消除环境光线对光谱测量的影响,需对直射光进行遮挡。(6)对比分析了不同光照条件下黄花梨SSC含量的光谱检测模型。通过采集田间(阴影处)和室内2种不同光照条件下黄花梨光谱,分别利用样品的田间现场光谱、田间背景光校正后光谱和室内光谱建立黄花梨SSC含量校正模型,所建立模型的均方根误差分别为0.87°Brix、0.59°Brix、0.35°Brix, RPD分别为1.10、1.50、2.49,预测结果的均方根误差分别为0.89°Brix、0.42°Brix、0.27°Brix, RPD分别为0.79、1.69、2.58。将预测集样品的现场光谱和背景光校正后的光谱分别输入室内检测模型,得到预测集的均方根误差分别为4.32°Brix、0.55°Brix。结果表明,本研究中构建的田间光谱试验装置可用于田间自然条件下的黄花梨采收期光谱检测试验,但需进一步提高田间黄花梨光谱检测精度。