1.一种基于近红外技术的苹果品质快速无损检测方法，其特征在于：它的检测方法如下：
步骤一：对光谱采集：
采用光谱检测方式为漫反射；采集完整水果的漫反射光谱时，将水果置于支架上，入射光线对水果进行照射之后在果肉中发生漫反射，出射光由接收光纤送回至检测器；光谱采集时要注意避开表面缺陷部位伤疤等，测量结果取平均，以此作为该样品的漫反射光谱；
采集到的光谱需经过一定的预处理之后才能进行建模分析，而光谱经适当的预处理后有助于提高光谱的质量和建模的效果；所采用的光谱预处理方法有以下几种：
1.1、平均：对每个样本都在不同位置采集了多条光谱，因此需先对每个样本的多条光谱进行平均，用平均光谱代表该样本的光谱属性；
1.2、平滑：光谱平滑可以消除高频随机误差，提高信噪比，本研究所用的是用最小二乘拟合系数作为数字滤波响应函数来对原始光谱进行卷积平滑处理的方法；
1.3、微分：微分光谱既可以消除基线漂移或平缓背景干扰的影响，也可以提供比原光谱更高的分辨率和更清晰的光谱轮廓变化；
1.4、多元散射校正：多元散射校正通过数学方法将光谱中的散射光信号与化学吸收信息进行分离，可以在一定程度上消除光散射的影响；
1.5、标准归一化处理：光谱的标准归一化处理与多元散射校正的作用类似，也可用来校正样品间因散射而引起的光谱的误差；
步骤二：对光谱进行建模并比对：
采用多元线性回归法和偏最小二乘法来对苹果糖度进行建模；通过苹果的近红外漫反射相对光强度光谱，从中找到光谱波段的相对光强与苹果糖度的相关系数来确定最佳特征波长，以此用不同的方法进行建模，来确定最佳的预测结果：
2.1、苹果样品的信息收集，选择具有代表性的苹果样品，在准备苹果样品时要让样本能够涵盖待测指标的所有范围且分布均匀，使获得可靠数据，建立合理的模型；
2.2、选择合适的样本，采集苹果样品的漫反射近红外光信号数据，同时要保证让校正集和未知样品集采集光谱的方式、方法相同，避免产生不确定误差；
2.3、采集苹果的近红外漫反射光信号，然后与实际测定苹果样品的糖度指标进行相关联，建立预测模型，用所建的模型对一组已知实际糖度值的苹果样品即校正集进行预测，将预测结果和实际的测定值进行比较，判断预测模型是否合理；
2.4、对未知的苹果样品进行近红外的漫反射光信号采集，将信号输入到所建立的预测模型中，进而得出苹果样品中糖度的含量；
步骤三：对苹果分级：
基于近红外技术来实现对苹果糖度和农药残留的同时在线检测，首先要建立农药残留的苹果与正常果的判别模型，使用最小二乘法判别分析的方法建立判别模型，把最优的plsda模型以及最优的苹果糖度模型导入计算机软件中，做为计算的依据，模型的主要参数有模型的回归系数、截距b以及判定阈值t；把待测样品放到检测工位，采集一条光谱，代入plsda模型中计算，若计算结果小于阈值t时，则判定为有农药残留，不参与后期苹果糖度模型计算，直接被推入预测的有农药残留的果分级口；若大于阈值t则判定为正常果，则通过苹果的糖度模型进行糖度预测，再根据糖度的差异，分别推入对应的糖度分级口，最终实现苹果农药残留与糖度同时在线检测与分级。