近年来，鸡肉的消费量逐年升高，鸡肉的品质安全也越来越受到广大消费者的关注。新鲜度是反映肉品质量的主要依据，而评价新鲜度的最常用的指标是挥发性盐基氮(TVB-N)。本研究旨在寻找快速无损检测鸡肉中TVB-N含量的手段。肉品的腐败过程伴随着其气味，内部化学组分、及纹理特征的变化，采用嗅觉可视化技术来采集肉样的气味信息，用高光谱成像设备采集肉样内部化学组分及纹理的变化信息，嗅觉可视化技术相比于传统的电子鼻技术受环境影响较小，不易受温、湿度的影响。而高光谱成像技术相比于近红外技术及计算机视觉技术有着不受单点检测限制以及能同时获取肉样内外部信息的优势。因此这两种新型的无损检测技术更适合用于肉品质量快速检测。研究分别选用嗅觉可视化技术和高光谱成像技术两种检测手段，以及两种检测技术相融合的方式来检测鸡肉的新鲜度。主要内容有如下几个方面:　　1.采用课题组自行研制的嗅觉可视化装置进行对鸡肉新鲜度检测的可行性研究。筛选了对肉腐败变质过程中释放的挥发性气体敏感的12种气敏材料(9种卟啉及金属卟啉及3种pH指示剂)，通过扫描仪采集嗅觉可视化传感器与挥发性物质反应前后的图像。根据可视化传感器阵列与不同鸡肉样本散发的挥发性物质反应前后的RGB颜色变化值，每个鸡肉样本均对应36个颜色变量(12×3个)，利用相关分析方法从中筛选了与TVB-N值密切相关的12个特征变量，将这些变量与TVB-N实测值分别建立偏最小二乘模型(PLS)和反向传播人工神经网络（BP-ANN）模型。预测集的相关系数分别达到0.791和0.908，试验结果表明，BP-ANN模型对鸡肉新鲜度的检测性能要优于PLS模型，为嗅觉可视化技术在鸡肉新鲜度快速无损检测中的应用提供了理论依据。　　2.探讨高光谱数据中的图像信息来检测鸡肉新鲜度的可行性。针对传统的高光谱图像数据降维的盲目性，研究提出了区间筛选和变量筛选相结合的高光谱图像数据降维新思路。首先提取高光谱图像数据中的光谱信息进行多元散射校正(MSC)预处理;利用联合区间偏最小二乘法(siPLS)算法初步筛选出100个光谱特征变量，再利用遗传算法(GA)进一步筛选出5个与鸡肉新鲜度密切相关的特征波长（562.67nm，572.87nm，609.58nm，756.53nm，767.86nm）;再从这5个特征波长对应的5幅特征图像中分别提取基于统计矩阵的6个纹理特征变量。因此每个鸡肉样本包含30个纹理特征变量。将这30个纹理特征变量与TVB-N实测值进行相关性分析，剔除冗余变量，最终得到17个与TVB-N值密切相关的特征变量，与TVB-N实测值建立BP-ANN模型。预测集的相关系数达到0.803。可见基于高光谱技术的图像信息也可以实现对鸡肉TVB-N含量的定量检测。　　3.采用多传感器信息融合技术检测鸡肉的新鲜度。在目前单一检测技术已成功运用的基础上，研究进一步将两技术相融合综合检测鸡肉的新鲜度。试验利用嗅觉可视化、高光谱成像技术分别获取鸡肉的气味信息及光谱图像信息，分别提取出12个颜色特征变量与17个纹理特征变量，经主成分因子数优化，获得的最佳得分向量作为模式识别的输入层，采用BP-ANN算法与TVB-N实测值建立定量模型。预测集中样本的相关性达到了0.951。研究结果表明，两技术信息融合的模型要优于单一技术模型。所以，采用嗅觉可视化、高光谱成像两种技术的信息融合模型综合评价鸡肉的新鲜度是可行的，且其模型精度较单一模型有很大的提升。研究结果表明多传感器信息融合技术在鸡肉新鲜度检测方面的应用要具有一定的可行性且优于单一无损检测技术。　　本研究为利用多技术信息融合进行鸡肉新鲜度评价提供了理论依据和技术指导，对严把肉制品质量关与安全关，维护广大消费者权益，有重要的现实意义。