本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)與近紅外光譜的梨無損檢測(cè)方法，首先在實(shí)際的分選線運(yùn)作過程中，獲取對(duì)于每一個(gè)樣本而言最具有代表性的近紅外光譜，構(gòu)建初始數(shù)據(jù)集；并進(jìn)行預(yù)處理；然后使用區(qū)間選擇、波長(zhǎng)選擇組合的方式對(duì)整個(gè)光譜波長(zhǎng)區(qū)間進(jìn)行特征選擇，并根據(jù)選擇結(jié)果構(gòu)建特征數(shù)據(jù)集；按照K折檢驗(yàn)法多次劃分，得到多組訓(xùn)練、測(cè)試數(shù)據(jù)集，訓(xùn)練、測(cè)試數(shù)據(jù)集的輸入特征為特征數(shù)據(jù)集中處理后的光譜數(shù)據(jù)，標(biāo)簽為糖度與是否含有霉心病；最后構(gòu)建兩個(gè)神經(jīng)網(wǎng)絡(luò)模型，用于預(yù)測(cè)糖度與是否患有霉心病的模型用于后續(xù)實(shí)際檢測(cè)，本發(fā)明以較高的準(zhǔn)確度檢測(cè)糖度與霉心病，為分選線的品質(zhì)篩選提供強(qiáng)有力的依據(jù)，為農(nóng)業(yè)產(chǎn)品的銷售提供極大的便利。