高光谱技术检测农产品的主要步骤包括：

1. 采集高光谱图像：首先，使用高光谱成像系统获取农产品的高光谱图像。这个系统可能包括面阵相机、成像光谱仪、光源等部件。在采集图像时，需要注意光源和光谱相机之间的位置关系，以及农产品的摆放方式。

2. 预处理图像：对采集到的高光谱图像进行预处理，可能包括去噪、校正等步骤，以提高图像质量。

3. 提取特征：根据农产品的特点和高光谱图像的特性，提取与农产品品质相关的特征。这些特征可能包括颜色、纹理等。

4. 建立模型：利用提取的特征，建立预测农产品品质的模型。这个过程可能需要使用机器学习、深度学习等算法。

5. 验证模型：使用独立的验证数据集对模型进行验证，评估模型的性能。

6. 应用模型：将建立的模型应用于实际农产品品质检测中，对农产品进行品质分级或鉴别。

需要注意的是，这些步骤可能根据具体的应用需求和场景有所调整。此外，高光谱技术检测农产品的效果受到多种因素的影响，包括光谱分辨率、图像质量、特征提取方法等。因此，在实际应用中，需要根据具体情况进行优化和改进。