猪肉制品是我国最受欢迎的肉类产品之一,猪肉的后期加工及食用安全一直是人们密切关注的问题。碎骨作为原料肉中不可避免的危害因子,不仅会损坏加工设备,同时也会对消费者造成潜在的危害。因此,猪肉中碎骨的快速无损识别对于肉类工业发展具有积极意义。本文以新鲜和冻融猪肉为研究对象,通过多光谱成像系统获取样品的多光谱图像,利用线性判别分析(LDA)、偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)、神经网络(NN)、连续投影算法(SPA)、主成分分析(PCA)等化学计量学建模方法,对新鲜和冻融猪肉进行准确分类,同时对嵌入猪肉中的碎骨进行快速无损识别。得出如下结论:1)基于光谱信息建立LDA、PCA-LDA、PLS-DA和SVM化学计量学模型识别新鲜和冻融猪肉,各模型分类精度均高于86.67%,其中基于全光谱和特征光谱建立的最优LDA模型识别精度分别为100%和97%。利用图像信息和光谱信息的模型系数建立新鲜和冻融猪肉的可视化分布图,可以更直观地对新鲜和冻融猪肉进行识别。2)基于光谱信息建立LDA、PCA-LDA、PLS-DA和SVM计量学模型识别嵌入新鲜猪肉表面和内部的碎骨,其中基于特征光谱建立的LDA最优模型精度达到了100%;同时基于特征光谱的图像可以实现新鲜猪肉中碎骨的图像分类可视化。3)基于光谱信息建立SVM和NN计量学模型识别嵌入冻融猪肉表面和内部的碎骨,其中SVM最优模型识别精度达到了100%,基于全光谱波长下的图像信息进行SVM和NN图像分类,实现冻融猪肉中碎骨的图像分类可视化。结果表明,多光谱成像技术结合化学计量学建模方法可以实现新鲜和冻融猪肉的精确分类,同时快速无损识别嵌入猪肉中的碎骨。为多光谱成像技术工业化快速检测猪肉中嵌入的碎骨提供理论参考。