肴肉是镇江的传统美食，在中国市场广受大众欢迎。由于肴肉在贮藏过程中极易腐败，研究肴肉的新鲜度检测方法有着重要的科学意义和实用价值。挥发性盐基氮(TVB-N)含量和细菌总数(TVC)是肴肉新鲜度的两个重要指标，而这两个指标的常规检测方法时间长、操作复杂。本研究利用天然色素气体可视化技术检测挥发性盐基氮(TVB-N)含量，利用高光谱图像技术检测细菌总数TVC，从气味和光谱图像两个方面来评判肴肉的新鲜度。主要研究内容如下:　　1)首先采用常规理化检测方法测定肴肉的挥发性盐基氮含量(TVB-N)和总细菌数(TVC);然后采用无损检测方法预测TVB-N含量和TVC值。肴肉TVB-N含量使用半微量定氮法检测，肴肉TVC使用平板计数法检测;无损检测方法主要采用了天然色素气体可视化技术和高光谱图像技术。可视化传感器阵列的气敏材料为9种植物花瓣（月季花、玫瑰茄、山茶花、玫瑰花、康乃馨、勿忘我、玉台梅、绿萼梅、红须梅）的色素;高光谱图像技术的成像系统装置主要包括高光谱摄像机、卤素灯、输送装置和主机等。　　2)基于天然色素气体可视化技术的肴肉TVB-N含量检测研究:首先将天然色素气体可视化传感器阵列与肴肉顶空挥发性气体作用，通过差值图像得到传感器阵列的颜色特征值;然后分别采用偏最小二乘法(PLS)和联合区间偏最小二乘法(SiPLS)建立肴肉TVB-N含量检测模型。结果表明，与PLS相比，SiPLS能有效提高模型精度并简化模型。SiPLS模型训练集的相关系数Rc和交互验证均方根误差(RMSECV)值分别为0.8969和2.14 mg/100g，预测集的相关系数Rp和预测均方根误差(RMSEP)值分别为0.8681和2.86 mg/100g。　　3)基于高光谱图像技术的肴肉TVC值检测研究:首先利用高光谱成像系统获取肴肉的高光谱图像，对高光谱图像进行黑白标定后，提取ROI对应的光谱数据;然后利用PLS、SiPLS建立肴肉TVC值检测模型，比较不同主成分数对模型的影响。结果表明，SiPLS能在有效提高模型精度的同时简化模型。SiPLS模型训练集的Rc和RMSECV值分别为0.9052和0.729 cfu/g，预测集的Rp和RMSEP值分别为0.8885和0.782 cfu/g。　　4)气体可视化和高光谱图像技术对肴肉新鲜度等级的定性评判研究:本研究在主成分分析的基础上有比较地利用LDA、BP-ANN和LS-SVM模式识别方法建立肴肉新鲜度的定性识别模型。气体可视化技术检测肴肉新鲜度等级的BP-ANN模型识别率达到了90.79％，高光谱图像技术检测肴肉新鲜度等级的BP-ANN识别率达到了84.33％。结果表明，天然色素气体可视化技术与高光谱图像技术在评定肴肉新鲜度模型中均有较好的识别率，而且气体可视化的模型精度略高于高光谱图像技术。　　研究结果表明高光谱图像技术和气体可视化技术可用于肴肉新鲜度的定性和定量检测。研究成果为其他肉制品的检测提供了依据，对于提高肉制品新鲜度检测水平具有比较高的实用价值。