雞肉是一種營養豐富的健康食品，它能提供優質的蛋白質、脂肪酸和維生素，大而是人們日常生活及肉品工業中非常重要的原料。隨著經濟的發展和居民生活水平的不斷提高，雞肉的食用品質和安全性受到消費者越來越高的重視。因此，實現雞肉的品質的實時監控和快速檢測對肉品工業的發展是至關重要的。然而，傳統的品質檢測方法需要消耗大量時間、操作步驟繁瑣、且破壞樣本，不能滿足現代肉品工業快速、無損、實時的發展要求。因此，本論文基于一種新興的無損檢測技術即可見/短波近紅外(400-1000nm)高光譜成像技術，以雞胸脯肉為研究對象，結合多種化學計量學方法和圖像處理算法，建立了雞肉物理品質指標(嫩度與顏色)、化學品質指標(硫代巴比妥酸反應物(thiobarbituric acid reactive substanceTBARS)和羥脯氨酸)、以及不同種類(傳統士雞與普通肉雞)的快速檢測及其品質圖像可視化。

本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。

應用可見/短波近紅外(400-1000nm)高光譜成像技術對不同冷藏天數的雞胸脯肉的顏色(L*，a*，b*)和嫩度值進行快速無損檢測。首先通過采集雞肉的高光譜圖像并提取平均光譜，然后用校正集樣本的光譜與顏色(L*，a*，b*)、嫩度WBSF參考值建立PLSR 回歸模型。再次，對比應用RC 和 SPA提取L*，a*，b*和嫩度的特征波長，并基干特征波長建立RCPLSR和SPA-PLSR 回歸模型，其中SPA-PLSR模型取得了較高的預測精度，L*，a*，b*和嫩度預測集的R分別為0.876，0.897，0.959和0.740，RMSEP分別為1.518，0.882，1.175 和11.147。最后，用SPA-PLSR模型對預測集樣本圖像上每個像素點的L*，a*，b*數值進行預測，并結合圖像處理算法，以偽彩圖的形式實現了L*，a*，b*數值的可視化，為將來的高光譜成像技術在雞肉加工領域的自動化、精細化應用奠定了基礎。