PDF 【目的】针对传统化学方法测定猕猴桃品质存在工序复杂、费时费力、需破坏性检测等问题，提出一种基于高光谱技术的高效无损检测方法。【方法】以110个米良1号猕猴桃（Actinidiachinensisvar.deliciosa‘Miliang-1’）样本为研究对象，利用高光谱仪采集不同贮藏时间果实的高光谱反射光谱。利用光谱-理化值共生距离法（samplesetpartitioningbasedonjointX-Ydistancesampling，SPXY）将猕猴桃样本按照8∶3的数量比例划分为训练集和测试集，统一采用支持向量机（SVM）对比分析标准正态变换（SNV）、多元散射校正（MSC）、一阶导数（1st-D）、二阶导数（2nd-D）、平滑算法（SG）对原始光谱进行预处理。使用遗传算法（geneticalgorithm，GA）和随机蛙跳（randomfrog，RF）对猕猴桃高光谱特征波长进行筛选，结合支持向量回归（SVR）、反向传播神经网络（BP）算法，组合构建猕猴桃品质的回归预测模型。【结果】在组合模型中，可溶性固形物含量的最优模型为1st-D+GA-BP，R2为0.903，RMSE为1.731；可滴定酸含量的最优模型为1st-D+GA-BP，R2为0.857，RMSE为0.225。【结论】应用高光谱技术对米良1号猕猴桃可溶性固形物含量、可滴定酸含量进行无损检测具有可行性。为进一步研究不同品种猕猴桃可溶性固形物含量、可滴定酸含量的无损检测模型奠定了基础。