本文以新鲜牛肉为研究对象,利用所采集样品的光谱信息,经过噪音去除、干扰信息处理,并结合常规检测方法获得的数据,确定最佳的光谱处理方法,最终建立牛肉嫩度、肉色、硬度、弹性、咀嚼性、粘附性、蒸煮损失的近红外光谱检测模型,并获得最优检测模型,为牛肉品质快速无损测定提供参考,以及应用于实际生产检测中奠定了基础。本文的主要研究结果以及结论如下：(1)试验采集了202个牛肉样品的近红外光谱,不同样品光谱的整体趋势相似,但不同样品间差异较大；样品测得的数据具有代表性,能够用于建立预测模型。(2)选择Db6小波、5层分解为小波消噪处理的最优参数,并用于建立检测模型的消噪处理方法。(3)经过预处理的消噪光谱,用偏最小二乘法建立的模型,其相关性均明显提高。经平滑预处理的消噪光谱所建立的亮度预测模型最佳。对粘附性、蒸煮损失、黄度等物理特性的预测,采用一阶微分预处理的消噪光谱建立的模型较好；对硬度、弹性、咀嚼性、红度等物理特性的预测,采用二阶微分预处理的消噪光谱建立的模型较好；对嫩度剪切力的预测,采用SNV结合二阶微分预处理模型较好。(4)硬度、弹性、咀嚼性、粘附性等牛肉质构特性的最优检测模型校正集相关系数r分别为0.938、0.900、0.917、0.694,RPD分别为2.43、1.88、2.32、1.47,硬度和咀嚼性的模型有较好的预测性能,而粘附性的模型性能较差。对于嫩度的检测,校正集样品的预测精度相对偏高,但是预测集的预测性能很低,还需进一步研究。样品蒸煮损失的检测模型中,校正集和预测集的相关系数分别为0.848和0.764,RPD值分别为1.84和1.56,可以用于蒸煮损失的预测。亮度、红度和黄度的最佳检测模型校正集RPD值分别为：1.48、1.48、1.61,其预测精度还需进一步提高。