随着社会经济的发展和人民生活水平的提高,人们对水果需求量增大的同时对水果品质的要求也越来越高。加之,我国水果种植面积和产量在世界上首屈一指,但是出口量却很少,在国际市场缺乏竞争力,其主要原因在于水果采后商品化处理技术落后。因此,增强水果的采后产业化、商品化处理,不仅可以满足人们对水果品质的高要求,更是提高我国水果产业竞争力的关键。论文以产自我国的梨为研究对象,以其可溶性固形物含量(soluble solids content,SSC)为检测指标(又称糖度),利用近红外光谱技术,结合化学计量学方法,研究了梨不同采摘年份、不同存储时间、径向不同检测位置等因素对其SSC检测模型稳定性的影响,并进行了建模分析和补偿模型研究以实现模型优化。论文的主要研究内容及结论如下:1.研究了雪梨不同采摘年份对其SSC检测模型稳定性的影响,并提出了从不同采摘年份梨的光谱中提取特征变量的方法。以分别采摘于2017年、2018年、2019年当季的雪梨样品为研究对象,建立并比较了雪梨SSC的单一采摘年份模型和混合采摘年份模型。结果表明,混合3个年份校正集样品建立的混合采摘年份模型对每个年份的预测集样品取得了更好的预测结果。结合从该混合模型中优选出的22个特征变量,模型在保证预测精度的同时也得到了极大简化,对每个年份预测集样品的预测相关系数(correlation coefficient for prediction,R_p)和预测均方根误差(root mean square error of prediction,RMSEP)分别为0.947和0.281°Brix、0.964和0.203°Brix、0.963和0.227°Brix,对3个年份所有预测集样品的预测结果为R_p=0.971,RMSEP=0.285°Brix。利用2020年1月采购的同种雪梨样品对该混合模型进行外部验证,其预测结果为R_p=0.941,RMSEP=0.358°Brix。基于特征变量的混合采摘年份模型稳定性更好,可以实现不同采摘年份雪梨SSC的准确检测。该研究对于减小采摘年份对梨SSC检测模型稳定性的影响提供了参考。2.研究了翠冠梨不同存储时间对其SSC检测模型稳定性的影响,并提出了从不同存储时间梨的光谱中提取特征变量的方法。将同一批翠冠梨样品分为4组,分别存储7天、14天、21天、28天后进行光谱数据采集和SSC测量。建立并比较了单一存储时间模型和混合存储时间模型,同时分别利用每组样品的预测集对模型进行验证。结果表明,基于4组所有校正集样品建立的混合存储时间模型取得了更好的预测结果。结合从该混合模型中筛选出的27个特征变量,模型预测误差RMSEP分别降低到0.357、0.388、0.361、0.349°Brix,对4组所有预测集样品的预测结果为R_p=0.955,RMSEP=0.359°Brix。利用同一批并存储10天的同种翠冠梨样品对该混合模型进行外部验证,其预测结果为R_p=0.939,RMSEP=0.322°Brix。基于特征变量的混合存储时间模型可以实现不同存储时间翠冠梨SSC的准确检测,模型稳定性和泛化能力得到了提高。该研究对于减小存储时间对梨SSC检测模型稳定性的影响提供了参考。3.研究了翠冠梨径向不同检测位置对其SSC检测模型稳定性的影响,并提出了从梨径向不同检测位置的光谱中提取特征变量的方法。分别获取翠冠梨样品的径向果梗、赤道以及花萼附近3个位置的光谱信息和SSC,分别建立局部检测位置模型和全局检测位置模型,并利用这些模型分别对每个位置的预测集进行预测。结果表明,包含3个位置信息的全局检测位置模型取得了更好的预测结果。结合从该全局模型中提取出的36个特征变量,模型RMSEP分别降低至0.355、0.324、0.360°Brix,对3个位置所有预测集的预测结果为R_p=0.936,RMSEP=0.350°Brix。利用同种翠冠梨样品对该全局模型进行外部验证,预测结果为R_p=0.935,RMSEP=0.383°Brix。基于所选特征变量的全局检测位置模型稳定性更佳,受样品径向检测位置变化的影响较小。该研究为实现梨径向不同位置SSC的准确检测提供了参考。