19个波长（405-970nm）的多光谱成像仪Videometer Lab用来无损测量草莓水果中的硬度、总可溶性固形物（TSS）含量以及成熟阶段。研究采用了几种分析方法，包括偏较小二乘法(PLS)，支持向量机（SVM）以及BP神经网络（BPNN）来建立模型预测无损草莓果实的硬度和TSS含量。与PLS 和 SVM相比, BPNN 显著提升了多光谱相机预测硬度和总可溶性固形物含量的精度，相关系数（r）为0.94和0.83，SEP为0.375和0.573，偏差为0.035和0.056.结论是，多光谱成像技术可基于成熟阶段对水果进行分类，采用方法为SVM，主成分分析神经网络(PCA-BPNN)模型。用SVM模型获得100%精度的分辨率。而且，所有模型的结果显示，光谱的可将光VIS部分对于测定硬度、TSS含量估算和成熟阶段分类是较主要的因素。这些结果提示多光谱成像结合恰当的分析模型，是快速估算草莓的质量特性以及其成熟阶段分类的较有前景的技术。