【摘要】苹果可溶性固形物含量（soluble solid content,SSC）是影响果实质量的重要因素，利用近红外光谱（NIR）技术则可以实现对苹果SSC的无损检测。为获得稳健的多品种苹果无损检测通用模型，本研究将模型更新方法与变量筛选方法相结合，对红富士（Red Fuji）、青苹果（Green apple）、黄元帅（Golden Delicious）、红玫瑰（Rose）和乐淇（Lokit）等5个品种苹果的SSC进行无损检测。结果表明，更新后的新模型可以实现对5个品种苹果的SSC的高精度预测，此时模型预测均方根误差（RMSEP）为0.698%，预测相关系数（Rp）为0.904，预测偏差为0.074%，范围误差比（RPD）可达2.340。为识别和提取光谱的重要信息波段，还采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）和无信息变量消除算法（UVE）3种波段筛选方法优化模型。结果表明，CARS更能有效地选取出有效变量，建立的模型对新品种苹果的预测性能有明显改善，RMSEP为0.587%,Rp为0.928，预测偏差减少到-0.052%,RPD=2.684。