长期以来,在我国居民的膳食结构中,肉类占有重要比重。在肉类消费中,羊肉的消费在逐年上升。因此,羊肉品质安全是关系国计民生的大事,做好羊肉品质检测对于食品安全控制、保障居民的消费安全有着重要的现实意义。目前,羊肉品质检测大多停留在感官评价和实验室理化与微生物测定上,而感官评价、理化与微生物测定方法有诸多缺点,不利于羊肉流通中的快速检测。近年来,高光谱成像技术因具有分辨率高、操作简便、非破坏性等特点,成为农畜产品无损检测领域的研究热点,在肉品品质无损检测应用研究中也取得了一定的成果,但还存在一些问题需要进一步研究:高光谱成像数据维数多,数据规模大、冗余高,数据处理过程计算量大,比较耗时,还影响评价模型精确度,利用高光谱数据与新鲜度指标值建立新鲜度评价校正模型,模型的可靠性和精确度与高光谱处理方法关系密切,利用多个指标研究冷鲜羊肉新鲜度无损检测方法会比单一指标更全面、更稳定、适用性更强,但是会增加数据处理与计算的时间,这会消弱无损检测的快速优势,对表征不同新鲜度指标的检测数据处理尤为关键。因此,研究光谱成像数据处理方法和多项指标的对应关系,可提高无损检测的稳定性和精确度,增强检测模型的适应性,进而对于促进羊肉品质高光谱无损检测技术的进一步应用推广,推动羊肉产业管理能力的提高具有重要的科学意义和广阔的应用前景。本文以冷鲜羊肉为检测对象,以高光谱成像作为检测技术,以挥发性盐基氮(TVB-N)、pH值、菌落总数(TBC)和大肠菌群数(MPN)为新鲜度评价指标,运用化学计量学、统计分析、机器学习和计算机技术对冷鲜羊肉新鲜度高光谱成像无损检测中的光谱数据预处理方法、光谱特征提取和冷鲜羊肉新鲜度分类模型建立进行了较为深入的研究。研究内容和结果如下:1)按照相关食品安全检测国家标准和前人研究成果确定冷鲜羊肉新鲜度评价关键的理化和微生物指标。以TVB-N、pH值为理化检测指标,以TBC和MPN为微生物检测指标,从理化和微生物两个角度对冷鲜羊肉新鲜度进行综合评价。通过常规试验及结果分析,得出每项指标就冷鲜羊肉的三个新鲜等级具有显著性差异,说明利用四个指标进行冷鲜羊肉新鲜度等级划分的可分性较好。2)针对冷鲜羊肉高光谱原始数据中存在噪声和平移问题,对比了多种常用的高光谱数据预处理方法,并经过试验得出采用S-G卷积平滑法和多元散射校正法两种混合方法对光谱的预处理效果较好。3)本文提出采用基于核稀疏图嵌入典型相关分析(KSGECCA)高光谱数据特征提取方法。由于高光谱图像数据维数多、非线性、冗余、波段之间相关性强等特点,首先对高光谱数据采用高斯核进行非线性映射,提升冷鲜羊肉高光谱数据的非线性可分性,采用稀疏表示技术将特征空间中全波段的信息表示成少数稀疏字典及其系数的线性组合,在降低波段之间冗余的同时对数据本身进行挖掘,并对其进行有效表征。由于原始光谱数据经过非线性映射和稀疏表示计算过程,计算的复杂度在不断地提高,因此本文利用图嵌入框架对典型相关分析进行扩展,通过图嵌入框架,很好的将核映射和稀疏表示与典型相关分析方法结合起来,降低整个计算过程的复杂度,同时充分保持高光谱数据中的非线性流形结构。从算法运行得到的特征值曲线、典型特征信息散点图,特征信息的相关性分析三方面分析了本文提出的特征提取方法,同时与常用的PCA特征提取算法、典型相关分析法及其变形进行对比分析,得出对于冷鲜羊肉高光谱数据,本文提出的特征提取方法效果较好。4)本文提出基于稀疏表示的随机采样谱聚类方法和基于自适应BP神经网络分类方法,分别从非监督式和监督式分类角度,探讨了建立冷鲜羊肉高光谱无损检测新鲜度评价模型。为了检验提出的两种冷鲜羊肉新鲜度分类评价模型的有效性,本文先将常规试验测定的新鲜度等级评价的四个指标标准值,分别采用两种分类方法进行分类试验,通过试验,得出采用随机采用谱聚类方法,四个指标的标准值聚类总体精度能达到88%,采用自适应BP神经网络分类法,四个指标的标准值分类总体精度达到100%。说明4个指标测定值在两种等级评价模型中具有可分性,且监督式分类法要比非监督式聚类法的总体精度要高。基于对常规试验方法测定的四项新鲜度指标的实验基础上,文中将不同特征空间下的冷鲜羊肉高光谱特征数据,分别应用到两种分类模型中,同时对模型运行过程中的参数设置和优化做了进一步试验。通过试验,得出在文中提出的核稀疏图嵌入典型相关分析(KSGECCA)特征空间下,采用基于随机采用的谱聚类法,冷鲜羊肉的新鲜度总体分类精度可达77%,采用自适应BP神经网络分类法的总体分类精度可达93.93%。并与常规试验测定的标准值的分类结果进行对比,得出采用本文提出的两种方法建立冷鲜羊肉新鲜度分类评价模型可行,且有效,对比两种方法,说明对于不同特征空间下的冷鲜羊肉高光谱特征数据,采用监督式自适应BP神经网络分类法得到的总体分类精度高于非监督式聚类方法。