从高光谱数据中选取能够有效进行内部品质检测的特征波长, 是利用高光谱成像技术进行水果品质定量分析的关键。 本文采用遗传算法（GA）、 连续投影算法（SPA）和GA-SPA算法分别从400～1 000 nm的苹果高光谱图像中提取特征波长, 利用偏最小二乘法（PLS）、 最小二乘支撑向量机（LS-SVM）和多元线性回归（MLR）建模进行苹果可溶性固形物含量（SSC）的定量分析并进行了综合比较。 160个样品中, 120个用于建模, 40个用于预测。 比较发现SPA-MLR模型获得了最好的结果, R2p, RMSEP和RPD分别为0.950 1, 0.308 7和4.476 6。 结果表明: SPA能够有效地用于高光谱数据的变量选择, 利用SPA-MLR可建立稳健的苹果SSC预测模型, 较少的有效变量和MLR模型的易解释性表明该模型在在线检测和便携式仪器开发中具有较大的应用潜力。