长期以来,在我国居民的膳食结构中,肉类占据着重要地位。在肉类消费中,猪肉又居于主导地位。因此,猪肉品质安全是关系国计民生的大事,做好猪肉品质检测对于猪肉品质安全控制、保障居民的食肉安全有着重要的现实意义。目前,猪肉品质检测大多停留在感官评价和理化分析阶段,而感官评价和理化分析方法均不利于猪肉产品流通中的快速检测。近年来,高光谱成像技术因具有分辨率高、样品无需预处理、操作简便、非破坏性等特点,成为农畜产品无损检测领域的研究热点,其在肉品品质无损检测中的应用研究也取得了一定的成果,但还存在一些问题需要进一步研究:高光谱数据是立方体数据,数据量大、冗余多,数据处理过程计算量大、比较耗时、影响建模速度;数据处理方法会影响所建模型的精度;样本品种等因素变化会影响模型的适用范围。因此,对猪肉品质高光谱无损检测方法研究,可提高检测精度和检测速度、增强检测模型的适应性,进而对于促进猪肉品质高光谱无损检测技术的进一步实用推广、促进猪肉品质多光谱在线检测系统的开发和便携式检测设备的研制、以及推动猪肉工业化生产进程具有重要的科学意义和广阔的应用前景。本文以冷鲜猪肉为检测对象,以含水率、p H值和挥发性盐基氮(TVB-N)含量为评价指标,综合运用化学计量学、数理统计学、机器学习理论和计算机技术对冷鲜猪肉品质高光谱无损检测过程中的异常样本检测方法、样本集划分方法、光谱预处理方法、建模方法、特征波段选择方法和模型维护方法进行较为深入地研究。研究内容和结论如下:1)提出了异常样本蒙特卡洛二次检测法。比较了杠杆值-学生化残差T检验方法、蒙特卡洛检测方法,异常样本蒙特卡洛二次检测法3种方法对冷鲜猪肉异常样本的检测结果,确定了异常样本蒙特卡洛二次检测法剔除冷鲜猪肉异常样本的结果最优。2)比较了Kennard-Stone法(KS)、光谱理化值共生距离法(SPXY)、双向法(Duplex)、随机法(RS)和浓度梯度法(CG)5种样本集划分方法对冷鲜猪肉各样本集的划分结果。确定了零号土猪肉含水率样本集和恩施山黑猪肉TVB-N含量样本集的最优样本集划分方法为CG法、零号土猪肉p H值样本集的最优样本集划分方法为SPXY法。3)提出了一种最优光谱预处理快速选择方法,确定了零号土猪肉含水率偏最小二乘回归(PLSR)模型的最优光谱预处理方法为多元散射校正(MSC)结合一阶导(FD)结合标准化(AS),即“MSC+FD+AS”、零号土猪肉p H值PLSR模型的最优光谱预处理方法为归一化(normalize)结合正交信号校正(OSC)结合中心化(MC),即“normalize+OSC+MC”、恩施山黑猪TVB-N含量PLSR模型的最优光谱预处理方法为MC。4)比较了冷鲜猪肉各样本集的多元线性回归(MLR)模型、主成份回归(PCR)模型、PLSR模型和支持向量机回归(SVR)模型的性能,确定了PLSR模型为冷鲜猪肉含水率、p H值和TVB-N含量的最优模型。5)比较了主成份分析法(PCA)、无信息变量消除法(UVE)、连续投影算法(SPA)、遗传算法(GA)和竞争性自适应重加权算法(CARS)5种方法选择冷鲜猪肉高光谱特征波长的能力。确定了CARS算法优选冷鲜猪肉高光谱特征波长的结果最优。6)开展了模型更新法对冷鲜猪肉不同检测指标高光谱定量分析模型维护适用性的研究。目前已有研究采用模型更新法对模型进行维护时,大多仅仅强调模型更新法对新温度、新仪器等条件下测得样本预测能力的改善,然而,关于模型更新法对新样本预测能力的改善程度、对原样本预测精度的影响程度等方面未做深入探讨。本文分别采用模型更新法对冷鲜猪肉含水率、p H值和TVB-N含量3个检测指标高光谱定量分析模型进行维护,比较了模型更新法对冷鲜猪肉不同检测指标模型的维护结果,确定了模型更新法对冷鲜猪肉不同检测指标高光谱定量分析模型维护的适用性。试验表明:模型更新法对冷鲜猪肉不同检测指标高光谱模型的维护结果差异较大,其对TVB-N含量模型达到很好的维护结果,而对含水率模型和p H值模型的维护结果较差。因此,模型更新法适用于对冷鲜猪肉TVB-N含量模型进行维护,而不适用于对含水率模型和p H值模型进行维护。7)提出了一种品种敏感波段选择结合分段直接校正(VSWS-PDS)的模型传递算法对冷鲜猪肉含水率模型和p H值模型进行传递。目前,有关模型传递算法的研究大多是针对近红外光谱模型、且大多为不同仪器间的模型传递,而针对不同品种间高光谱模型传递算法的研究相对较少。本文在充分考虑品种差异对冷鲜猪肉高光谱定量分析模型的影响的基础上,提出了VSWS-PDS模型传递算法对不同品种间冷鲜猪肉高光谱定量分析模型进行传递。经VSWS-PDS模型传递后,主品种零号土猪肉含水率模型对从品种恩施山黑猪肉样本的预测决定系数从模型传递前的0.3795提高到0.8570,预测偏差比率从1.05提高到2.67;主品种零号土猪肉p H值模型对从品种恩施山黑猪肉样本的预测决定系数从模型传递前的0.3833提高到0.6821、预测偏差比率从0.87提高到1.53,有效地解决了品种差异对冷鲜猪肉含水率模型和p H值模型的影响。