苹果汁是世界第二大果汁消费品,其具有较好的天然风味和较高的营养价值,作为健康饮品,深受广大消费者的喜爱,具有广阔的消费市场。糖度、酸度、可溶性固形物是苹果汁品质检测的主要指标,但现有的检测方法操作复杂、检测时间长、人为影响大；苹果汁中搀假、浓缩苹果汁中的农药残留,会影响消费者的健康,制约果汁行业又好又快地健康发展。因此,实现快速、无损的检测苹果汁的品质,成为苹果加工产业和研究领域的热点,具有巨大的现实意义。近红外光谱(NIR)分析技术是一项高效、快速、无损、绿色的定性定量分析技术。本论文采用近红外光谱分析技术结合化学计量学对苹果汁中的糖度、酸度、可溶性固形物含量进行近红外光谱分析检测、对真假苹果汁进行鉴别,对搀假苹果汁中的原果汁含量进行定量检测,对苹果汁中的农药福美胂进行定量检测。研究对于加强苹果汁品质的监管,提升企业形象、提高苹果汁品质的检测水平具有重要的意义。研究结论如下：1.近红外光谱对苹果汁中糖度、酸度、可溶性固形物含量检测对糖度检测的最佳散射处理方法为标准多元散射处理,数学处理为导数处理为1阶,导数处理间隔点数为4,平滑处理间隔点数为4,不进行二次平滑处理,建立的偏最小二乘法回归模型对验证集的RSQ为0.9490；对酸度检测的最佳散射处理方法为散射处理加权多元散射处理,数学处理方法为不进行任何处理,建立的局部偏最小二乘法(MPLS)回归模型对验证集的RSQ为0.9780；对可溶性固形物检测的最佳散射处理方法为标准化加去趋势化处理(S+D),数学处理为每四个间隔点求二次阶导,平滑处理间隔点数为4,不进行二次平滑处理,建立的偏最小二乘法(PLS)回归模型对验证集的相关系数为0.9970。2.掺假苹果汁的鉴别及果汁含量的检测对三种搀假苹果汁的分类鉴别,散射处理方法为标准化结合去趋势化,数学处理为1441,优化得到的最佳参数c和g分别为11.3137、0.0039,建立的支持向量机分类模型对训练集的正确分类率为88.67%,对验证集的正确识别率为83.34%。三种搀假果汁中原果汁的含量的检测,对搀假高聚葡糖苹果汁样本中的原果汁含量检测,其最佳预处理方法为不进行散射处理,数学处理为1441,采用主成分分析法提取2主成分,建立的bp神经网络结构为2-10-1,模型对训练集的相关系数为0.974,对验证集的相关系数为0.9349；对搀假混合糖苹果汁中的原果汁含量检测,最佳预处理方法为散射处理是去趋势化,数学处理为0011,采用主成分分析法提取个2主成分,建立的bp神经网络模型结构为2-15-1,模型对训练集的相关系数为0.90,对验证集的相关系数为0.88；对搀假蔗糖苹果汁中的原果汁含量检测,得到最佳预处理方法为散射处理是加权多元散射处理,数学处理是1441,建立的主成分回归模型的交叉验证相关系数(1-VR)为0.9239,对验证集的相关系数为0.990。对三种搀假样本混合进行原果汁含量的检测,确定的散射预处理方法为标准多元散射处理,数学处理方式为0011,采用主成分分析法提取个2主成分,建立的bp神经网络模型结构为2-10-1,模型对训练集训练的相关系数为0.93271,对验证集相关系数为0.96742。3.苹果汁中福美胂农药残留的检测散射预处理方法为不进行散射处理,数学处理方式为1441,采用主成分分析法提取个5主成分,建立的bp神经网络模型结构为5-10-1,模型对训练集的相关系数为0.97543,对验证集的相关系数为0.91809。