牛肉味道鲜美,具有丰富的营养价值,是人们日常生活中重要的肉类食品。由于肉类在酶和微生物的综合作用下会腐败变质,所以对其品质和安全进行检测是十分重要。目前,对牛肉的品质检测还是以传统的感官评价和理化检测为主。这些传统的检测方法不仅复杂、耗时、对食品造成破坏,而且还需要经专业训练的专业人员进行操作,因此这不利于牛肉产品快速检测。近年来,融合了光谱技术、图像技术、计算机等技术的高光谱成像技术发展快速,并且在逐步应用于食品检测领域,为食品的质量和安全检测提供了新的方法。本文以牛肉为研究对象,将牛肉分为新鲜牛肉、快速冷冻-解冻牛肉和慢速冷冻-解冻牛肉三种方法进行处理。并且将牛肉的质构特性、色泽、含水率和解冻损失为评价指标,结合高光谱成像技术,综合运用化学计量学、图像处理技术和计算机技术,对新鲜、快速冷冻-解冻和慢速冷冻-解冻牛肉样品品质进行了快速无损检测研究。本文的主要研究结果如下:(1)对新鲜、快速冷冻-解冻和慢速冷冻-解冻的牛肉样品的物理化学性质进行了对比实验分析。实验结果表明,冷冻处理虽然会对牛肉的品质造成不良影响,但冷冻处理仍然可以保持牛肉的品质。而在冷冻处理的牛肉样品中,快速冷冻牛肉的品质更接近于新鲜牛肉,因此快速冷冻能更好的保持牛肉的品质。(2)基于最优波长分别建立了偏最小二乘回归模型和多元线性回归模型对不同处理的牛肉样品的解冻损失进行了预测。偏最小二乘回归模型预测结果为预测集相关性系数R2为0.929,预测集预测均方根误差RMSEP为1.48,预测集相对分析误差PRD为3.95。多元线性回归预测模型的预测结果为预测集相关性系数R2是为0.72,预测集预测均方根误差RMSEP为2.56,预测集相对分析误差PRD为2.51。研究表明,偏最小二乘回归模型的预测效果要好于多元线性回归模型,其预测的准确度和稳定性都高于多元线性回归模型。(3)应用提取的最优波长,使用最小二乘支持向量机建立了新鲜牛肉、快速冷冻-解冻牛肉和慢速冷冻-解冻牛肉的分类模型。结果表明,该模型能对不同冷冻处理的牛肉样品进行判别,对牛肉的正确判别率是83.3%,正确判别率较高,判别精度良好。(4)利用高光谱图像的纹理特征,融合光谱信息建立了预测牛肉含水率的BP人工神经网络预测模型,该模型实现了不同处理牛肉样品含水率分布的可视化。结果表明,预测集相关性系数R2为0.9054,预测集预测均方根误差RMSEP为1.11,模型预测精度较高,预测稳定性也较好。