灵武长枣别称“马牙枣”,是宁夏地区的优良果品,育种历史悠长,品种优良,口感鲜香,果汁多,果肉酥脆,具有较高营养价值。灵武长枣历经1300多年的栽培,从盛唐开始,灵武长枣便是皇室贡品之一,被称为“果中珍品”。灵武长枣是宁夏黄灌区重点推广品种,市场占有率逐年增高,是宁夏最重要的经济作物之一。灵武长枣从田间采摘到分级加工、包装运输等生产运输途中,会产生挤压碰撞等损耗过程,造成内部瘀伤,从而使其货架期大大缩短,产生巨大的损失,因此,能够快速判别瘀伤灵武长枣的便捷、实用、低成本的方法便具有了极高的价值。本文以瘀伤态宁夏灵武长枣为研究对象,基于高光谱成像技术对灵武长枣瘀伤等级进行判别研究,为灵武长枣品质在线判别提供理论依据,以此达成高效指导灵武长枣采后科学加工、运输与贮藏。主要研究结果如下:（1）基于Visble/near-infrared（VIS/NIR）高光谱成像技术的灵武长枣瘀伤等级判别研究利用VIS/NIR高光谱成像技术获取瘀伤灵武长枣的反射光谱、吸收光谱和Kubelka-Munk光谱,并将其应用于长枣瘀伤等级的无损判别。通过竞争自适应加权采样（CARS）和区间变量迭代空间收缩法（iVISSA）对光谱进行预处理并选择特征波长。采用偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）构建分类判别模型。通过比较,结果显示A-Raw-iVISSA-PLS-DA模型交叉验证的误差最小,而特征变量的数量最少,校正和预测集的准确率分别为89%和100%。论证了基于吸收光谱判别灵武长枣瘀伤等级的可行性。（2）基于Near-infrared（NIR）图谱融合的灵武长枣瘀伤等级判别研究利用NIR高光谱成像系统采集完整灵武长枣和五个等级瘀伤灵武长枣（定量瘀伤撞击3、6、9、12和15次）的近红外光谱图像,并分别基于光谱特征、纹理特征进行特征提取,光谱特征采用11种光谱预处理方法及5种特征波长提取方法;纹理特征使用灰度共生矩阵（GLCM）算法对得到的不同瘀伤等级长枣高光谱主成分图像提取8个纹理特征参量;然后,对纹理与光谱组合特征进行优化。最后,分别对基于单一光谱特征、单纹理特征、纹理与光谱组合特征建立判别模型。在所有结果中,组合特征模型效果最优,校正集准确率为94%和预测集准确率为98%。（3）基于Convolutional Neural Networks（CNN）的灵武长枣瘀伤等级判别研究本文对用于灵武长枣瘀伤等级判别的VGGNet网络和瘀伤态灵武长枣高光谱图像的数据集都做了一系列优化,包括减少网络卷积层、减少一层全连接层以及引入RMSprop优化算法与随机池化。同时对于数据集做了 Retinex色彩增强,旋转和镜像翻转。改进后的网络结构在识别瘀伤灵武长枣准确率上高于传统VGGNet,网络收敛速度大大加快。试验结果表明,改进后的卷积神经网络充分学习了灵武长枣瘀伤特征,准确率达到了 97.9%,具有较高的瘀伤等级识别率。