加强苹果在贮藏、运输、销售环节中货架期的监测，有利于减少苹果采后损耗并确保鲜果在货架期间的食用品质。近红外光谱检测技术可快速获取样品外部和内部信息，无需对样品进行任何预处理，可对苹果表面损伤和硬度等外部品质进行检测。另外，对于苹果的糖度、酸度、可溶性固形物叶绿素和干物质重等内部品质也可进行无损检测，对于苹果褐腐病和水心等病虫害的检测目前也有应用研究。利用近红外技术进行苹果品质检测是可行的，而利用近红外技术进行不同产地苹果的货架期间检测实现对苹果品质的监测方面研究较少。
以RBF函数作为核函数支持向量机（SVM）建立不同产地的近红外光谱分类模型，不同产地苹果分类模型的回判识别率为87%，预测识别率为100%；利用BP人工神经网络模型进行近红外光谱苹果品种识别，准确率达到100%，但均未对其货架期检测模型进行研究。在水果货架期检测方面，Sánchez研究了3种不同气调贮藏条件下某品种的468个绿芦笋的货架期，所建立的PLS2-DA判别分析模型对其采后存贮时间（7/14/28天）的分类正确率在81%以上，按不同气调贮藏条件对样品分类的正确率为85%（2°C，95%R.H.），提出近红外光谱技术可对不同贮藏条件的绿芦笋货架期寿命进行预测。Paz建立了2种苹果不同货架期（0/8/14天）的分类模型，其结果表明全局模型预测结果的正确率（86.1%）与单品种苹果模型预测结果的正确率（86.6%）相当。Camps利用NIR技术对苹果品种鉴别的正确率为95%，同时比较了不同品种苹果的货架期（7/14/28天）检测模型，其结果正确率均在95%以上，表明样品品种对苹果的货架期检测模型的影响可以忽略。Di利用短波近红外光谱技术对存放温度5.3°C、8.6°C和15.8°C时鲜切片的菠萝货架期进行了研究，并根据样品二阶导数光谱变化分别确定其货架期为4～5天、3～4天和1天，结果与其内部生化参数检测结果一致，而该方法快速且不影响其食用性。Liu利用近红外光谱技术进行了同一产地柑橘货架期的快速鉴别模型的研究，所建模型对40个样品货架期类别预测结果正确率为80%。目前国内外利用近红外光谱技术进行水果货架期检测的研究较少，且大多实验是在贮藏温度、湿度恒定的条件下进行，与实际的市场销售环境有很大不同。本文利用近红外光谱技术进行了常温下流通期间不同产地苹果的货架期快速鉴别。
分别于购买当日、存放1周后测量样品近红外光谱，分别定义为1和2（山东产）、3和4（陕西产），光谱编号分别为：1～20和21～40、41～60和61～80，样品存放于室内自然条件下。光谱仪器为美国ThermoNicolet公司生产的Nexus870型傅里叶近红外光谱仪，带有用于漫反射的Smartnear-IR附件。谱区采集范围：5400～12000cm-1（800～1850nm），光谱分辨力：4cm-1，实验均在室温下进行，湿度控制在65±2%.实验中对每个样品沿赤道按30o均匀分布进行12次不同位置的扫描，使用BaSO4片做为参比样品，取其平均光谱。为避免杂散光的干扰，采集光谱时使用了开口直径为5mm、厚度为1.5mm的垫片遮光。