新疆素有“瓜果之乡”的美称，哈密瓜是新疆传统的特色产品之一，因其独特的风味和丰富的营养价值，受到广大消费者的喜爱，已成为广大农民增加收入的主要途径之一。但目前哈密瓜品质检测分级过程中，大部分依靠机械式分级或仅凭借人工视觉检测分级处理，大大的增加了人工成本，同时，还造成生产效率低下，品种良莠不齐、机械损伤严重、分级标准不统一等缺陷，严重的影响哈密瓜在市场上的竞争力，并造成农民经济利益上极大的损失。综合利用光谱成像技术和化学计量学方法并结合检测标准实现对哈密瓜无损检测，以此提高哈密瓜的附加值，提升哈密瓜品牌地位和市场竞争力。本文主要研究内容及方法包括如下：⑴分析了本研究所用的各组样本的外观形态包括赤道部位的纵横径、重量和坚实度等的检测结果，并对不同品种哈密瓜坚实度值的分析、不同成熟度坚实度值的分析、不同检测部位坚实度值的分析和不同光谱的分析。试验研究光谱采集部位对光谱和建模结果的影响。为了在对哈密瓜的光谱采集中选择最合适的光谱采集部位，分析了哈密瓜不同检测部位(赤道的阴面、阳面、果脐)的光谱信息的差异，试验建模结果表明，赤道部位采集的光谱建模结果比果脐部位的建模结果好，赤道部位的阴、阳面相比，采集哈密瓜阳面位置的光谱信息建立的预测模型结果最佳；⑵为了建立准确的哈密瓜坚实度模型，对参与建模的样品进行异常样本的识别与剔除。本研究采用异常光谱剔除、狄克松(Dixon)检验法、杠杆值与学生残差T检验准则和主成分得分法对哈密瓜样品进行综合判断，根据模型性能的变化，然后对疑似样本进行逐一回收分析。最终确定需要剔除的样本。⑶研究了哈密瓜坚实度的定量分析，实验对不同范围波段的光谱建模，并对结果进行有效地对比，最终确定最优波段组合；同时对比分析了不同光谱预处理方法、不同光程校正方法对哈密瓜坚实度预测模型精度的影响。采用PLS、SMLR和PCR校正算法方法对比分析了金密16号哈密瓜和金密17号哈密瓜坚实度检测模型效果。实验结果表明：金密16号在819.82-843.3nm、899.14-882.64nm和996.22-930.23nm的组合波段范围，应用PLS方法对经过一阶微分和SNV预处理的光谱进行建模的结果较优。校正集相关系数R为0.9085，校正均方误差（RMSEC）为2.16N；预测集相关系数为0.8139，预测均方误差（RMSEP）为3.24N。金密17号在757.01-1000nm光谱波段范围，应用PLS方法对经过一阶微分、MSC预处理和Savitzky-Golay光滑处理的光谱进行建模的结果较优。校正集相关系数R为0.8927，校正均方误差（RMSEC）为1.24N；预测集相关系数为0.7030，预测均方误差（RMSEP）为1.70N。