禽蛋无损检测研究的主要内容包括:蛋重、破损、血斑、孵化、新鲜度等指标的检测。其中新鲜度的检测是研究的重点和难点之一。本课题结合鸡蛋无损检测技术和近红外光谱理论在农产品检测上的运用,探索和研究了近红外光谱无损检测技术对鸡蛋新鲜度方面的检测,为鸡蛋新鲜度无损检测技术提供一种新的方法。本文采用傅里叶变换型近红外光谱仪（VECTOR 33）获取在近红外光谱全波段内鸡蛋样品的漫反射光谱图。从中选取了96个鸡蛋样品的光谱图,结合化学计量学方法,对鸡蛋近红外光谱数据进行了相应的分析处理。具体分析内容与结论如下:1.对鸡蛋样品原始光谱数据进行了主成分分析,研究了各主成分之间的相互关系,并分别指出了前3个主成分所对应的鸡蛋近红外光谱信息。2.剔除光谱样本集中的奇异值样品。分析和比较了多元曲线分辨-交替最小二乘迭代法与传统样本剔除法之间的优劣性。研究表明多元曲线分辨-交替最小二乘迭代法比传统方法更能准确地反应鸡蛋红外光谱集中的奇异值样本,更优于鸡蛋异常样本的剔除。3.利用主成分空间分布理论把样本集划分为校正样本集与验证样本集。4.比较了移动平均滤波,S-G卷积平滑,高斯滤波和小波变换对鸡蛋近红外光谱的平滑和滤波效果,结论显示采用小波变换的效果最好,能够有效的消除光谱的高频噪声,提高模型精度。5.比较基线校正、多元散射校正、单位归一法、导数法等光谱预处理方法对定标和验证模型的影响。结果显示,采用单位归一法建立的模型效果最好,验证模型中鸡蛋近红外光谱与新鲜度之间的决定系数为0.8247。6.比较多元线性回归、主成分回归和偏最小二乘法回归对鸡蛋近红外光谱与新鲜度定标和验证模型的影响。结果表明,采用偏最小二乘法建立的验证模型精度最好,优于多元线性回归和主成分回归。7.把经单位归一法预处理后的近红外光谱划分成20个子区间,运用区间偏最小二乘法优选最能反应鸡蛋新鲜度光谱特征的光谱段。结果表明,最能反映鸡蛋新鲜度的近红外光谱区间在7185.47cm^-1-6788.20cm^-1,5580.98cm^-14381.48cm^-1这两段内。8.运用偏最小二乘判别法对鸡蛋新鲜度等级进行分类。通过回归,建模,然后对验证集鸡蛋等级进行分类判别,结果显示判别的总准确率为72.67%。研究结果表明,在本实验的条件下,近红外光谱能够透过蛋壳,进入蛋壳内部并被内部成分所吸收,光谱表现为新鲜的鸡蛋对应的水分吸收峰明显,不新鲜鸡蛋对应的吸收峰明显减弱。对光谱数据进行相关分析后显示,近红外光谱可用于实现对鸡蛋新鲜度的快速无损检测。