禽肉是人们的主要肉食品之一,随着中国禽业养殖的发展,以及社会生活水平的提升,人们对禽肉食用品质的要求也越来越高。目前常规的禽肉检测方法涉及复杂的预处理、较多的化学分析设备、试剂,且检测时间长,对样品具有破坏性,所以难以实现禽肉大批量、快速检测。本文以鸡、鸭、鹅禽肉为研究对象,应用计算机视觉技术、激光诱导荧光光谱技术以及高光谱成像技术对禽肉品质的快速无损检测技术进行了探讨研究。其主要研究工作与结论如下：(1)基于计算机视觉技术的禽肉肉色指标的无损检测研究。首先分别对鸡、鸭、鹅禽肉样本通过肉眼评分法对样本肉色进行主观分级,均分为5级,然后将禽肉样本放入自行搭建的可见光图像采集系统中拍摄肉样的RGB图像,应用数字图像处理技术消除图像中的背景、脂肪等,以提取出肌肉颜色的有效判别区域再通过颜色空间转换提取肉色参数L*分量均值、a*分量均值和b*分量均值,并以它们作为输入向量,肉色级别作为输出,分别应用模糊k-近邻法(Fuzzy K-nearest Neighbor, F-KNN)和支持向量机(Support Vector Machine, SVM)法建立肉色分级模型。研究结果表明,采用F-KNN分类器分别对鸡、鸭、鹅禽肉肉色进行分级,其检测准确率分别为65.33%、83.78%和56.16%,而基于SVM方法的肉色分类器,其检测准确率则比较高,分别为90.9091%、95.4545%和79.4118%。因此,利用计算机视觉技术,提取禽肉肉色特征参数并采用SVM方法建立的禽肉肉色分类器对肉色进行分级是可行的。(2)基于激光诱导荧光光谱技术的禽肉弹性和嫩度指标的无损检测研究。首先使用405nm二极管激光器作为激发光,激光光束照在在禽肉组织后,一部分发生漫反射至禽肉表面形成荧光,由近红外光谱仪通过光纤接收,从而获取光谱范围为350-1800nm的禽肉样本的激光诱导荧光光谱图像,然后将禽肉样本通过物理测定的方法分别得出代表禽肉弹性的恢复距离值和代表禽肉嫩度的剪切力值,最后通过对归-化预处理后的荧光光谱进行分析,选取460-999nm作为特征波段,再结合偏最小二乘法,分别建立激光诱导荧光光谱与禽肉弹性和嫩度之间的校正和预测模型。鸡、鸭、鹅禽肉样本弹性模型的主要评价指标的相关数据依次为：校正组相关系数Rc分别为0.8944、0.7290、0.8982,预测组相关系数Rp分别为0.8897、0.5417、0.8296,交互验证均方根误差RMSEC分别为0.1011、0.0979、0.0238, RMSEP分别为0.1083、0.1091、0.0236；鸡、鸭、鹅禽肉样本嫩度模型的主要评价指标的相关数据依次为：Rc分别为0.9006、0.6902、0.8857,Rp分别为0.8704、0.7556、0.8726, RMSEC分别为0.2002、0.2563、0.3381,预测均方根误差RMSEP分别为0.2702、0.3107、0.4576。通过对数据的分析发现,在建立的禽肉弹性和嫩度模型中,鸡肉和鹅肉样本校正组和预测组的相关系数都比较高,均在0.8以上,而鸭肉样本的相关系数则比较低。因此研究结果表明采用激光诱导荧光光谱技术快速检测鸡肉和鹅肉的嫩度和弹性是可行的,而对于该技术在鸭肉嫩度和弹性的检测中的应用还需做进一步的探讨。(3)基于荧光高光谱图像技术的禽肉嫩度指标的无损检测研究。首先通过荧光高光谱图像采集系统获取波长范围为400-1000nm的禽肉(以鸭肉为例)样本的荧光高光谱图像,然后应用ENVI4.3软件对采集到的鸭肉荧光高光谱图像进行预处理以及感兴趣区域的提取,最后通过对光谱图的分析,确定以418.3-478.9nm和789.2-798.8nm两段波长作为特征波段,采用偏最小二乘法建立鸭肉嫩度模型。其中建模组相关系数达到了0.9233,校正均方根误差为0.1857；预测组相关系数为0.8618,预测均方根误差为0.1994。因此研究结果表明,激光诱导荧光高光谱图像技术作为一种高效、准确和快速检测鸭肉嫩度的方法是可行的。本研究是对无损检测方法在禽肉品质检测中应用的初步探讨,其研究结果可为以后的研究工作者提供一定的参考。