Los clientes prestan una atención significativa a los atributos organolépticos y fisicoquímicos de sus alimentos con la mejora de sus estándares de vida. En este trabajo, se utilizó la tecnología hiperespectral de infrarrojo cercano para evaluar el parámetro de un solo color, a*, firmeza y contenido de sólidos solubles (SSC) de peras fragantes de Korla. Además, se aplicaron juntos los métodos de retención iterativa de variables informativas (IRIV) y la máquina de vectores de soporte de mínimos cuadrados (LS-SVM) para construir modelos de evaluación para sus parámetros de calidad. Se eligió un conjunto de 200 muestras y sus datos hiperespectrales fueron adquiridos utilizando un sistema de imágenes hiperespectrales. Se seleccionaron métodos óptimos de preprocesamiento espectral para obtener modelos de regresión de mínimos cuadrados parciales (PLSRs). Los resultados muestran que la combinación de corrección de dispersión multiplicativa (MSC) y Savitsky-Golay (S-G) es el método de preprocesamiento espectral más efectivo para evaluar los parámetros de calidad de la fruta. Se seleccionaron diferentes longitudes de onda características para evaluar el valor a*, la firmeza y el SSC de las peras fragantes de Korla, respectivamente, después de las 6 iteraciones. Estos valores se obtuvieron a través de IRIV y el método de eliminación inversa. Los coeficientes de correlación del conjunto de validación del valor a*, la firmeza y la medida de SSC son 0.927, 0.948 y 0.953, respectivamente. Además, los valores del peso del error de regresión, y el parámetro de la función del núcleo, , para los mismos parámetros miden (8.67 x 10, 1.21 x 10), (1.45 x 10, 2.93 x 10) y (2.37 x 10, 3.80 x 10), respectivamente. Este estudio demuestra que la combinación de LS-SVM e IRIV puede ser utilizada para evaluar el valor a*, la firmeza y el SSC de las peras fragantes de Korla para definir su grado.