猪肉是我国消费量最大的肉品,其品质关系国民生活质量、营养水平及饮食安全,受到消费者、质量管理者和肉制品工业的重视。传统的品质检测常以人工感官评定、仪器测量或经过化学方法测量。人工感官评定劳动强度大、主观性强,仪器测量或化学方法测量往往需要破坏样品,耗时较长,不适合大规模的在线生产检测。近年来,采用机器视觉技术代替人眼进行猪肉的感官品质评价,采用近红外(常拓展至可见光范围)光谱分析技术检测其理化品质指标,在猪肉的品质检测中得到了广泛的研究,被认为是最有可能实现猪肉品质在线检测的无损检测技术。本文以新鲜的完整块状猪肉背最长肌为对象,通过自主设计开发的肉品综合品质在线检测系统,以0.25m/s的运动速度采集212个样品的图像和光谱信息,对猪肉的外部感官品质和内部理化品质进行定性判别与定量检测。利用采集的图像,经过背景去除、皮下脂肪区域去除、肌内脂肪区域分割等处理,提取相关特征量,对样品的感官品质进行分类判别；利用经过离散小波消噪、一阶微分、多元散射校正预处理后的光谱,建立了理化品质指标偏最小二乘回归模型,并通过波长选取算法对建立的校正模型进行了精简与优化。研究结果表明：(1)设计的在线检测系统采集的图像的颜色和形状有极好的重现性,采集的光谱与静态环境下采集的猪肉的光谱一致；但受在线采集工况、自身属性复杂、表面物理结构不一致等因素的影响,采集的图像表面颜色不均匀,采集的光谱有不依存于波长的基线平移。(2)感官评定小组对样品肉色的感官评定结果较一致,肉色均匀性评价在不均匀、较均匀、均匀三级的评定上有差异,对大理石纹分布痕量与微量之间的评价差异较大；通过应变-载荷曲线分析表明猪肉的受压变形是塑性变形向弹性变形转变、再向塑性变形转变,直至压缩破坏的过程；初期应变-载荷曲线斜率较低,是易变形材料；同一样品不同点上pH值差异小；由于猪肉是易变形材料,测量剪切力时,取样无法均匀一致；对样品各品质指标进行相关性分析表明各指标间无明显相关性。(3)利用KSW算法结合图像的形态学操作,可以去除皮下脂肪区域,获得背最长肌有效区域；未经校正的背最长肌区域图像,无法正确的分割出肌肉区域与肌间脂肪区域；采用B样条曲面拟和,获得的亮度掩模能较好的表现出整体的亮度不均匀性,并且保留图像上的细节信息；经过该亮度掩模校正处理的图像,分割错误得到明显的改善；对所有212幅样品图像进行自动分割,仅9幅图像不能较好的分割开肌肉和肌内脂肪区域。(4)以样品肌肉区域图像的颜色值、颜色标准差以及分割出的大理石纹区域图像特征采用偏最小二乘判别分析(PLSDA)和支持向量机判别分析(SVMDA)对样品感官品质进行检测：肉色评价的PLSDA结果与SVMDA接近,正确率在70%以上；肉色均匀性评价的PLSDA结果在63%左右,SVMDA训练集正确率88%,但预测集正确率仅为66%,模型敏感性差,模型不稳定；大理石纹评价的PLSDA结果正确率在77%以上。(5)对采集的光谱,小波消噪处理的最优参数是采用Db6小波、6层分解、Minimaxi阈值估计方法结合软阈值策略；一阶微分处理可以有效去除基线平移干扰,模型性能明显提高。研究发现最优的检测结果：对于肌内脂肪、蛋白质和水分等主要化学组分,校正集和预测集预测相关系数均在0.87以上,预测标准差比率(RPD)分别(校正集/预测集)为2.61/1.72、2.37/1.74、2.45/2.01；样品的pH值检测最优模型中校正集和预测集的RPD值均大于2,相关系数均在0.9以上；剪切力校正模型预测精度差；硬度、弹性、粘聚性和回复性等力学特性参数的最佳检测模型对应RPD值(校正集/预测集)分别为1.89/1.33、1.97/1.82、1.71/1.60和1.83/1.63；对获得的最优校正模型进行基于波长选择的优化处理,投影权重算法去除了接近75%的变量,模型得到的极大的简化。以上研究结果表明可以利用图像和光谱分析技术,对猪肉的外部感官品质和内部理化品质进行在线检测。研究为开发基于图像和光谱信息的新鲜猪肉综合品质无损检测系统以替代传统的检测方法奠定了良好的基础,并为在实际的大规模生产中实施“按用途定质量’的原料肉分类系统的研制提供了依据。