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.