多元校正模型作为光谱定量分析的基础,其是否具有稳定的预测性能直接影响着光谱分析的精确度和准确度。通常由于校正模型包含了样本特征信息、制样条件、仪器状态等信息,在模型的使用过程中,由于仪器状态的改变或是样品本身的变化(如品种、产地的差异),可能引起原来建立的数学模型不再适用于新样本特征值的预测,导致已有模型的适应性和可靠性降低,甚至使模型失效。利用光谱技术对牛肉品质进行检测时,因样本品种的不同而产生的光谱信息差异可能造成模型对不同品种的牛肉样本检测结果不同,模型缺乏通用性和可靠性,因此开展模型维护方法的研究对提高检测模型的适应性和可靠性具有重要意义。该论文以三个不同品种(黄陂黄牛、恩施山地水牛、西门塔尔奶牛)牛肉样本为研究对象,分别利用近红外光谱技术和高光谱技术,建立三个不同品种牛肉新鲜度定量检测模型。通过比较不同模型对三个品种牛肉样本新鲜度的预测结果,并对模型适配性检验进行研究,进而比较不同模型更新和转移方法对牛肉新鲜度光谱检测模型的维护效果,确定了基于光谱技术的不同品种牛肉新鲜度检测模型的更新和转移方法。主要研究结果如下：(1)比较了随机法、KS法和SPXY算法三种不同方法的样本划分结果及其对模型预测性能的影响,确定了SPXY算法为牛肉新鲜度检测样本集划分的最佳方法。以黄陂黄牛的新鲜度近红外光谱检测为例,运用相同的预处理和建模方法建立新鲜度检测模型,当采用SPXY算法划分样本集时,模型的交叉验证相关系数Rev和预测相关系数Rp均高于其他两种方法,分别为0.8247、0.8122。(2)比较了光谱预处理方法和建模方法对三个品种牛肉样本新鲜度检测模型精度的影响,确定了利用近红外光谱检测黄陂黄牛、恩施山地水牛、西门塔尔奶牛样本新鲜度的最优光谱预处理方法分别为泊松变换、标准化和泊松变换,利用高光谱检测上述3个品种样本新鲜度的最优光谱预处理方法分别为多元散射校正、标准化和泊松变换。利用光谱技术检测牛肉新鲜度最佳建模方法为偏最小二乘回归法(PLSR)。(3)比较了不同品种牛肉样本新鲜度变化规律、光谱信息存的差异,分别利用主成分空间分布法、马氏距离法、模型交叉检验等方法对不同品种新鲜度检测模型的适配性进行了检验,采用黄陂黄牛新鲜度近红外光谱检测模型对恩施水牛和西门塔尔奶牛样本新鲜度进行检测时的预测相关系数RP低至0.731、0.707,预测均方根误差RMSEP高达17.327、19.435,采用黄陂黄牛新鲜度高光谱检测模型对恩施水牛和西门塔尔奶牛样本新鲜度进行检测时的预测相关系数RP低至0.021、0.332,预测均方根误差RMSEP高达8.347、8.708,交叉检验结果显示：各模型仅对本品种样本有较好的预测效果,直接用于其他品种的新鲜度信息预测时,模型的预测相关系数明显降低,预测误差急剧增大。表明由单一品种建立的校正模型不适合用于其他品种牛肉样本新鲜度信息的预测。(4)基于全局模型和SPXY样本添加的模型更新方法有助于改善牛肉新鲜度光谱检测模型对不同品种样本的预测性能。通过建立全局模型对三个品种的样本新鲜度进行检测,结果显示模型性能稳定,近红外光谱模型和高光谱模型的交叉验证相关系数Rcv、交叉验证均方根误差RMSECV分别为0.8143、3.9075和0.9155、2.6386。采用SPXY典型样本选择方法向恩施水牛近红外光谱模型中添加23个奶牛样本后,模型对奶牛样本的预测相关系数RP从0.6432提升至0.8111,预测均方根误差从5.244降低至3.5668；向黄陂黄牛高光谱模型中添加18个水牛样本后,模型预测水牛样本新鲜度的预测相关系数RP由0.021提升至0.896,预测均方根误差RMSEP由8.347降低至2.848。(5)研究了斜率/截距校正方法对牛肉新鲜度光谱模型的转移效果,提出了一种针对光谱吸光度值修正的光谱信号校正方法,用于改善模型对不同品种样本的新鲜度预测性能。结果表明：斜率/截距校正方法对牛肉新鲜度光谱模型的转移效果不佳,该方法不能提升模型的预测相关系数,仅可以使预测均方根误差略微有所降低。采用吸光度值修正的方法对待测样本光谱进行校正后,对于恩施水牛近红外光谱模型,预测西门塔尔奶牛样本时,预测相关系数RP为提升至0.806,预测均方根误差RMSEP降低至4.767;对于黄陂黄牛高光谱模型,预测恩施水牛样本时,预测相关系数RP为提升至0.851,预测均方根误差RMSEP降低至2.872。