本发明提供一种干制红枣中可溶性固形物含量的快速无损检测方法，本发明以哈密大枣干制红枣为研究对象，通过采集试验样品的短波红外高光谱图像，测定干制红枣样本中可溶性固形物含量，结合k折交叉验证的一维卷积回归神经网络建立短波红外高光谱数据和理化指标之间的相关性，构建干制红枣可溶性固形物含量预测模型，建立一种基于短波红外高光谱图像和深度学习的干制红枣可溶性固形物含量快速无损检测方法。本发明快速高效、不损坏样本且无需人工提取特征，测定结果准备，可以实现干制红枣中可溶性固形物含量的快速无损检测。本发明基于短波红外高光谱成像和深度学习技术检测干制红枣中可溶性固形物含量，为实现干制红枣品质分级和加工标准化提供有效方法。