构建了高光谱反射、 透射和交互作用成像系统对蓝莓的硬度和弹性模量进行无损检测, 并对比不同成像模式的预测准确率。 反射高光谱图像采用以大津法为核心的算法进行分割, 而透射和交互作用高光谱图像利用基于区域增长的算法进行分割。 对提取平均光谱分别进行标准正态变量变换(SNV)和一阶SG卷积平滑(Der), 并构建相应光谱的最小二乘支持向量机模型。 在全波段模型中, 基于SNV预处理反射光(Reflectance-SNV)模型对蓝莓硬度的预测相关系数(Rp)=0.80, 相对预测误差(RPD)=1.76; 基于SNV预处理透射光(Transmittance-SNV)模型对蓝莓弹性模量的Rp(RPD)=0.78 (1.74)。 随机蛙跳算法(Random Frog)可以有效地减少了建模所需的波段数, 同时还提高了大部分模型的预测准确率。 基于随机蛙跳选择的Der交互作用光(Random Frog-interactance-Der)模型对蓝莓硬度的Rp(RPD)=0.80(1.83), 但该模型建模所需的波段数为140; 基于随机蛙跳算法的SNV透射光(Random Frog-Transmittance-SNV)模型对蓝莓弹性模量的Rp(RPD)=0.82(1.83), 同时该模型建模所需的波段数为20。