目前采用激光技术对水果内部品质进行检测时，普遍以大小相似的水果为研究对象，以水果果面激光光斑的面积为衡量指标。由于水果个体的差异性，导致光在水果内部的传播路径不同即光程不同，因此，使用激光光斑法对不同大小、形状的水果进行预测时，模型的预测精度很低。本研究旨在解决现阶段激光光斑法中光斑采集手段不完善、图像处理算法过于简单、检测精度不高等问题。研究以多品种、不同产地、不同环境的苹果为研究对象，以可溶性固形物含量和硬度等作为检测目标，分别从激光工作波长的筛选、果面漫反射图像的采集和处理、影响无损检测精度诸因素的分析及建立相应的修正算法、检测数学模型的建立、以及检测模型的验证等方面进行深入系统的研究。课题将近红外光谱检测技术与激光光晕图像中像素强度的变化相结合，使用多种化学计量学方法，建立苹果光晕图像中总像素数和像素强度频率与苹果内部质量的数理模型，为应用激光漫反射图像法，实现对水果内部品质的无损检测提供了理论依据，并为实现在线检测起到了指导意义。论文取得的主要创新性成果有： 1.根据近红外苹果品质检测的特征光谱确定激光器的工作波长；通过CCD感应曲线确定激光发射器的工作功率；根据激光器的发散角和焦距，确定激光器、CCD摄像头距苹果果面的距离；优化了激光光束的入射角度(15°)，搭建可调节距离的激光漫反射图像采集系统，修正了实验过陧中的系统误差。通过阈值分割、噪音去除、二值化、边缘提取等一系列图像处理方法，准确地获得水果果面激光光晕图像。通过对图像采集系统软件和硬件的调试，该系统能够准确地记录苹果及其果面光晕图像的信息，为应用激光漫反射图像法对苹果的无损检测奠定了基础。 2.首次提出了消除苹果大小和形状对品质检测影响的方法，分析了多波长的富士苹果果面激光光晕图像，并得出了苹果形状修正算法。创新地提出可充分表征光子传播过程中的能量衰减程度并体现漫反射光信息的方法——光晕像素强度频率检测法，并利用该方法建立了苹果硬度和可溶性固形物含量的偏最小二乘回归(PLSR)模型。通过与果面光斑图像中光强均值、光斑/光晕图像的总像素数以及光斑图像的像素强度频率建立的PLSR模型效果做比较，光晕像素强度频率建立的模型效果最好，而光斑总像素数的预测能力最差。二者建立可溶性固形物含量PLSR模型的相关系数(r)分别为0.80和0.87，相对误差(RSD％)分别为11.06％和6.46％；硬度PLSR模型的r分别为0.84和0.89，RSD％分别为14.86％和9.84％。形状修正算法计算后的苹果可溶性固形物含量和硬度PLSR模型，使r从0.78和0.80分别提高到0.87和0.89。 3.利用光晕像素强度频率法对Elstar果和Pmova苹果进行检测，得出苹果形状修正算法可以明显提高模型的预测精度：修正后Elstar苹果可溶性固形物含量PISR模型的r从0.80提高到0.89，而RSD％则从9.63％降低为5.49％；硬度PLSR模型的r从0.83提高到0.90，RSD％从11.1％降低为5.61％。对比不同的背景分割方法可知，不同的阈值选取方法对模型的影响不大。比较激光光晕总像素数，光晕像素强度频率能够建立检测精度更高的PISR模型：前者检测Elstar苹果可溶性固形物含量时，模型最佳的r为0.82；而利用后者建立模型的r为0.89。硬度模型的效果没有明显差异，但后者使模型(r=0.90)有变好的趋势。此外，比较了逐步多元线性回归(SMLR)、主成分回归(PCR)和PLSR三种方法的建模效果，结果表明PLSR法更适合激光漫反射图像法对苹果可溶性固形物含量和硬度的检测。通过对不同品种苹果问模型预测效果的比较得出，苹果可溶性固形物含量和硬度模型的RSD％均小于13％。 4.首次利用激光漫反射图像法，预测Elstar苹果和Pinova苹果在整个生长期中可溶性固形物．含量和硬度的变化。通过建立苹果可溶性固形物含量和硬度与光晕像素强度频率的PISR模型，用以监测两个不同品种、不同生长环境下的苹果，在生长期中内部成分的变化情况：在不同的采摘时间，Elstar苹果硬度PLSR模型的RSD％在0.51％和1.90％之间变化；可溶性固形物含量PLSR模型的RSD％的变化区间为0.77-6.02％。利用像素强度频率预测Pinova苹果的硬度时，模型的RSD％<2.21％；可溶性圆形物含量模型的RSD％<6.53％。