果实在收获时的成熟度是影响果实成熟和口感风味发展的关键因素之一,直接决定了其采后鲜苹果的商业价值;对于贮藏苹果同样重要,适宜采收是保证果实品质和延长采后寿命的重要技术措施。由此可见,苹果成熟度对于采后鲜苹果和贮藏期的苹果都非常重要。因此,本文以陕西省扶风县同一商业果园2019年至2021年的成熟期的苹果为样本,以可见近红外光谱技术和嵌入式技术为工具,开展苹果成熟程度定量评价方法和无损检测的研究,在此基础上,研发快速检测苹果成熟度的设备,加速苹果成熟无损检测实际应用的进程。本论文的主要研究内容及结论如下:（1）探究了一种基于雷达图的多指标因子的苹果成熟评估方法。通过对成熟过程中苹果理化指标的检测,发现苹果可溶性固形物含量和色值a*会随苹果成熟程度的增加而增加,其余指标会降低;相关性分析表明,果皮颜色之间存在较高的相关性,筛选出了可溶性固形物、可滴定酸、色值b*、果肉平均硬度、果皮破裂最大力做为评价苹果成熟度的重要因子。基于苹果成熟过程中的成熟度因子的变化规律和雷达图的几何特性,探究了苹果成熟度可视化评价指标,通过与Streif指数、SPI指数、RPI指数和IQI指数对比发现,可视化评价指标与其它指标均有较高的相关性,尤其是IQI指数,但是相比于IQI指数,该指标受果皮颜色影响更小,相比于Streif指数,该指标可以更加明显的区分各个成熟度水平的苹果。（2）基于可见近红外光谱技术建立了预测可视化评价指标的模型。基于全光谱和特征波长采用偏最小二乘算法（PLS）、卷积神经网络、支持向量机（SVR）、最小二乘支持向量（LS-SVR）和随机森林（RF）等算法建立预测苹果成熟度的光谱模型,预测集模型的相关系数（Rp）在0.833至0.925之间,预测集模型的均方根误差（）在0.168至0.247之间;模型结果进行决策级融合的结果表明,对于本年度样本而言,融合后模型的Rp在0.871至0.913之间,在0.184至0.213之间;对于其它年份的样本而言,融合后的模型受到单一模型预测结果的影响较小。（3）探究样本年份差异对光谱模型的影响。斜率偏差校正方法只能降低模型的预测过程中的偏差不能提高模型的相关系数,对于预测集均方根误差的降低程度可以达到18.83%-37.08%;全局模型最有利于消除年份对于光谱模型的影响,融合2019年和2020年样本的预测模型对于2020年样本预测能力从Rp为0.848,为0.561提高到了Rp为0.906,为0.267;对于对2021年未知样本的预测效果从Rp为0.811,为0.478提高到了Rp为0.866,为0.508,进一步采用斜率偏差校正,将降低到了0.331。该项研究对减小年份差异对苹果成熟度可视化指标检测模型的影响提供了方法参考。（4）设计和研发便携式的苹果成熟度检测设备。设备主要包括了微型光谱仪、微型控制电路板、可充电的锂电池、钨卤灯和温度传感器等五部分。设备的最佳积分时间为6 ms,可以在2 s内完成检测。设备中模型的Rp为0.817,为0.338。满足了苹果成熟度可视化评价指标的快速无损检测的要求。采用三次样条插值结合分段直接校正算法的方式基本实现了光谱模型的转移,转移后模型Rp为0.714,为0.481。