随着人们生活水平的提高，猪肉消耗量的逐年增加，猪肉越来越成为人们餐桌上不可或缺的一项，但是今年问题猪肉频繁出现在人们身边，腐败肉、注水肉、瘦肉精猪肉等严重影响了人们的生活，开发一种快速、便捷，实用的猪肉品质检测方法已经成为广大质检部门和广大消费者的迫切需求。　　本课题在北京市自然科学基金项目的资助下，认真研究检测猪肉新鲜度的衡量指标，仔细比较检测猪肉新鲜度的传统方法，尝试性开展应用近红外技术和多数据融合技术解决检测猪肉新鲜度的问题，同时初步搭建了猪肉品质检测便携设备的硬件环境及构建了便携设备的软件环境。　　整个课题中，选择均匀的猪肉臀部肉在猪肉腐败的不同时间段内，通过近红外光谱仪的固体检测模块——积分球对片状猪肉进行检测，与此同时，采集相同时刻的相同样本检测PH值、TVBN值、含水量、克伦特罗值进行新鲜度等级定性分析和定量建模，同时研究是否是注水肉和“瘦肉精”猪肉的检测方法。　　本论文对采集的近红外光谱按化学实验测得的新鲜度等级分类后，进行平滑预处理，然后对光谱求平均，通过对光谱所含信息量的研究证实了近红外光谱用来检测猪肉新鲜度的可行性。同时，也对OPUS提供的五种预处理方法和七种聚类方法进行了比较，最后选定一阶导数+13点平滑进行预处理，Complete linkage进行聚类分析，建立聚类模型，取得了检验集6个样本分类预测结果完全正确，为了进一步评定猪肉品质，通过波长优化、主成分数的选择，建立了基于PCR模型的猪肉含水量测定的近红外校正模型，校正集样本预测值与真值关系系数为0.9320，交叉验证均方差SECV为0.2942，预测集样本预测值和真值测定系数为0.9812，预测均方差为0.2944，表明了该模型具有较好的预测效果和较高的预测精度。　　为了进一步验证该模型的实际应用能力，本课题对多组分同时分析进行了研究，并结合多数据融合，采用检测级数据融合，数据层和决策层相结合的目标识别融合两种数据融合结构同时使用的方法，不但能够同时检测猪肉的新鲜度等级，含水量，瘦肉精含量，而且大大提高了模型的通用性。　　本课题的研究表明，要实现猪肉品质的无损、快速、便携式检测，近红外光谱分析具有巨大的潜力;要实现猪肉品质的便携式检测，嵌入式技术应作为首选。本课题的研究初步构建了基于嵌入式技术基础上的无损、快速、便携式猪肉品质检测仪的硬件框架和软件环境。