Quả kiwi ‘Hayward’ được thu từ nhiều nguồn: 51 lô thương mại, thí nghiệm xử lý ánh sáng bằng màng phản quang, xử lý tải quả và khoanh thân. Tại thời điểm thu hoạch, phổ Vis-NIR được đo bằng thiết bị FieldSpec Pro kết hợp đầu dò tiếp xúc, đo tại hai vị trí trên mỗi quả. Sau đó, quả được bảo quản lạnh ở 0 ℃ trong các khoảng thời gian khác nhau (75, 100, 125, 150 ngày). Chất lượng quả sau bảo quản được đo bằng thiết bị xuyên lực (FF) và khúc xạ kế (TSS). Dữ liệu phổ được xử lý bằng các bước: cắt vùng nhiễu, chuyển sang hấp thụ, đạo hàm bậc 1, chuẩn hóa và lấy trung bình. Mô hình hồi quy PLS và SVM được xây dựng trên phần mềm Unscrambler, sử dụng cross-validation để tránh overfitting. SVM sử dụng kernel RBF với tham số C và Gamma được tối ưu bằng grid search. Kết quả cho thấy SVM vượt trội hơn PLS trong cả dự đoán TSS và FF. Các bước phân tích cho thấy phổ tại thời điểm thu hoạch có thể phản ánh trạng thái tổng thể của quả, từ đó dự đoán được chất lượng sau bảo quản. Tuy nhiên, độ chính xác chưa đủ để ứng dụng phân loại trực tuyến, đặc biệt với FF do ảnh hưởng của sai số đo vật lý và độ thâm nhập hạn chế của ánh sáng NIR. Nghiên cứu đề xuất hướng đi tiếp theo là xây dựng mô hình phân loại định tính thay vì định lượng cho FF.