本论文以牛肉为实验对象,使用化学方法测定牛肉理化指标,通过近红外光谱(NIR)和核磁共振(NMR)技术与判别分析(DA)、偏最小二乘法(PLS)以及支持向量机回归(SVR)等功能强大的化学计量学方法相结合,以新鲜度、理化指标、掺假水平等为评价指标,最终建立基于NIR技术的牛肉品质快速分析模型和基于NIR和NMR技术的牛肉掺伪模型。主要研究内容及结果如下:(1)对江西南昌各大超市牛肉的营养指标进行了测定,分别测定其pH值、水分含量、蛋白含量、脂肪含量。结果还表明,不同部位的牛肉pH值存在差异,牛肩pH值最高,牛里脊pH值最低。而不同部位的牛肉,水分跟蛋白含量差异较小。差异最大的是脂肪含量,牛里脊脂肪含量在3%左右,而牛霖脂肪含量高达 16%。(2)建立了 NIR结合PLS和SVR对牛肉、猪肉、牛肉-猪肉混合样本TVB-N的预测模型。采用无预处理(NONE)、Savitzky-Golay(S-G)、Standard Normal Variation(SNV)、以及导数(1st derivative and 2nd derivative)等四种常用的光谱预处理技术对原始数据进行处理,建立牛肉掺伪的PLS和SVR定量模型,对于PLS模型,其中NONE和S-G作为前处理方法时,获得了相同的Rc和Rp值,且校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)值最小,模型较好。而SVR模型,Rc=0.98,RP=0.83表明经过预处理以后数据过拟合。此外,根据 PLS 模型中 VIP(variable importance in the projection)值得分图筛选出了338个VIP>1的重要变量,且基于这338个重要变量建立的PLS-VIP模型的性能有所减弱。(3)基于核磁共振氢谱结合PLS对牛肉二元掺伪的预测模型。通过最低的RMSECV值选取合适主因子数,通过分析四种常用的预处理技术(NONE、UV、Par和Ctr)对PLS模型的影响。基于Rc、RP、RMSEE、RMSEP值等指标可以得出以下结论:模型的最佳预处理方法为UV,此时RMSEP值最低。通过比较NIR和1H NMR二元掺假的PLS模型,得出NIR结合PLS模型预测精度很高,Rc>0.94,RP>0.96,RMSEC=8.57 和 RMSEP=7.27。相反,1H NMR 结合 PLS的模型还有待改善,其Rp最高只有0.67。(4)建立了 NIR结合PLS对牛肉营养品质的预测模型。分析了五种常用的预处理技术(NONE、MSC、SNV、一阶导数和二阶导数等)对PLS模型的影响。基于Rc、RP、RMSEC、RMSEP等指标得出以下结论:对于pH含量的PLS模型,最佳预处理方法为NONE,此时RMSEP值最低,RP=0.9031,PLS模型有一定的预测能力;在对水分含量进行预测的时候,使用预处理技术或不使用预处理技术获得的模型均不好,模型有待改善。而在预测脂肪含量的PLS模型当中,也是经NONE方法处理后获得了最佳的预测模型,其RP值为0.8664。最后在对蛋白质含量进行分析时,使用变量标准化处理后的模型获得了最佳的预测性能,RP为0.9434,模型预测能力较好。(5)NIR技术结合化学计量学方法建立牛肉掺假二元、三元的定性和定量模型。通过NIR图谱可以看出牛肉、猪肉、鸭肉在蛋白质、脂肪、碳水化合物以及水分等主要成分吸收强度上的差异。当用化学计量学提取近红外的信号建立DA判别模型时,纯牛肉、纯猪肉、纯鸭肉和掺伪牛肉在DA得分图上能明显的区分,且该模型对掺伪牛肉的三元体系判别准确率达到90.2%,对二元体系判别达到100%,通过筛选波长优化以后三元体系判别精度提高到了 91.5%。进一步使用PLS定量模型预测掺伪水平。得到二元体系的PLS模型Rc>0.94,RP>0.96,RMSEC=8.57和RMSEP=7.27。三元体系显示出更高的准确性Rc=0.96,RP=0.96,RMSEC=8.33,RMSEP=9.27。并且经过1/4个样品的验证集数据证明了该技术的快速和可靠性。