枣鲜食营养丰富，口味极佳，颇受人们喜爱。然而在贮藏过程中，鲜枣因受外界环境及自身因素影响，极易腐烂变质，影响其食用价值及经济价值，因此迫切需要建立一种有效的检测方法，评价其品质变化，预测鲜枣的保鲜期，保证其食用安全。本研究以鲜枣为研究对象，运用近红外光谱检测技术，对不同品种的鲜枣（冬枣和梨枣）及完好果和裂果进行鉴别，并建立不同温度下鲜枣的可溶性固形物、水分、氨基酸、维生素C含量及酵母菌和霉菌污染指标的近红外模型及动力学模型，实现近红外光谱技术对鲜枣的无损检测。通过建立的化学计量学模型，预测鲜枣的保鲜期，从而实现鲜枣品质安全的实时监测。主要研究成果如下：(1)运用多层感知器人工神经网路，根据多元散射校正处理后的鲜枣近红外光谱数据，建立了冬枣和梨枣两个品种的定性鉴别模型，并获得了较高的鉴别正确率，其中校正集和预测集的鉴别正确率均在100%，因此可利用近红外光谱技术对冬枣和梨枣两个品种进行鉴别；(2)运用多层感知器人工神经网路，根据一阶微分处理后的鲜枣近红外光谱数据，建立了鲜枣完好果和裂果的定性鉴别模型，获得了较高的鉴别正确率，校正集和预测集的鉴别正确率均在100%，因此可利用近红外光谱技术对鲜枣贮运过程中的完整程度进行鉴别；(3)运用近红外光谱技术检测室温和冷藏温度贮藏下鲜枣可溶性固形物、水分和氨基酸总量三个品质指标，分别建立了对应的定量检测模型并对其优选，最终得到较高的决定系数和预测准确度。因此近红外光谱技术在检测鲜枣其品质指标中具有较高的可行性；(4)运用近红外光谱技术建立室温贮藏下鲜枣维生素C含量、酵母菌和霉菌污染的定量检测模型，并通过近红外光谱数据建立零级反应下其三项指标与贮藏时间之间的动力学模型，获得了良好的预测效果。根据建立的动力学模型，预测出室温贮藏下鲜枣的保鲜期，实现了鲜枣品质的实时监测。因此，可利用近红外光谱技术对鲜枣进行无损检测并预测其保鲜期。本研究应用近红外光谱检测技术，并结合化学计量学方法，对鲜枣品质指标进行检测。通过建立鲜枣的近红外模型和动力学模型，研究鲜枣品质变化规律和损伤程度，预测鲜枣在贮藏、运输过程中的品质变化，推断其在该贮藏条件下的保鲜期，从而确保鲜枣运输及贮藏过程中质量安全，实现鲜枣的无损检测，以保证其最大的食用价值和经济价值。