随着社会的发展、生活观念的转变，人们的健康意识逐渐增强，对饮食卫生的要求也越来越高，因此猪肉新鲜度的辨识越来越引起人们的关注。目前，猪肉新鲜度的辨识主要采用传统的方法，例如感官检查、物理检查和微生物检查等，这些检测手段都存在不同程度上的不足，要么检测过程复杂、耗时，要么成本高，或者受人们主观因素的影响很大。因此，迫切需要一种快速、有效、科学的检测方法来对猪肉的新鲜度进行检测。 气体检测技术、数字图像处理技术、人工神经网络以及多数据融合理论的发展和应用，为猪肉新鲜度辨识方法的研究提供了强有力的理论基础和技术保障。本文正是基于气体检测技术和数字图像处理技术，实现了能够反映猪肉新鲜度的主要特征参数的提取，通过人工神经网络和多数据融合理论实现了猪肉新鲜度的辨识。 通过对猪肉腐败变质机理的分析发现，这是一个复杂的物理和化学过程，仅仅依靠某一种方法或某一方面的数据很难准确地对猪肉的新鲜度进行辨识，必须采用多数据融合的方式才能完成。猪肉在腐败过程中释放出来的氨气、硫化氢以及颜色的变化能够从一定程度上反应猪肉的腐败程度。本课题中，氨气和硫化氢数据的采集是通过由传感器构建的简易气体采集系统实现的；颜色值数据的采集是通过CCD摄像机和图像采集卡采集到图像，然后再在VisualC++6.0环境下通过图像增强、颜色模型转换提取等算法进行图像处理，最终获取颜色值(H、S、I)。TVB-N是我国检测肉类新鲜度的国家标准，它能有规律地反映新鲜肉、次鲜肉和变质肉之间的差异，并与感官变化一致，是较为客观的指标。为了找出氨气、硫化氢以及颜色值与TVB-N之间的对应关系，本文选取了基于神经网络的多数据融合的方法，以氨气、硫化氢、H、S和I作为网络的输入变量，以TVB-N值作为网络的输出变量，选用BP网络建立模型，从而实现对猪肉新鲜度的辨识。采用MATLAB6.5中的神经网络工具箱对猪肉新鲜度辨识神经网络进行设计、训练和仿真，利用VisualC++6.0和MATLAB通信机制实现算法的调用以及前台界面的人机化操作，建立了一套猪肉新鲜度的智能辨识系统。 本文研究的基于多数据融合的猪肉新鲜度智能辨识方法，是一种全新的检测方法。该方法可以快速、准确地检测猪肉的新鲜度，其结果与利用理化指标TVB-N检测的结果基本一致，并可以扩展到其它相关检测领域，具有一定的应用价值。