明虾富含营养物质,因其水分含量较高,在酶、微生物影响下容易腐败导致变质,对品质产生不利影响。因此探寻快速、无损、客观、准确评价虾品质的方法和开发便携式明虾品质快速无损检测装置具有创新研究价值。本文采用拉曼技术,基于嵌入式开发板研究设计便携式检测装置并探寻传统机器学习方法和深度学习方法对明虾品质进行检测,主要研究内容如下:1、便携式拉曼检测装置的研究。采用嵌入式操作系统,构建集光谱仪、激光器、拉曼探头、Y型光纤、开发板于一体的小体积、易携带的拉曼检测仪器,所研究设计的仪器具有快速采集样品拉曼光谱的性能。2、明虾品质多指标预测模型的建立。采用二阶微分、背景扣除、SG平滑、标准正态变量变换对光谱进行处理,以及采用PCA对数据进行降维,比较岭回归、偏最小二乘回归、前向逐步回归构建虾品质多指标预测模型的预测结果。最佳模型为前向逐步回归模型,最佳组合预处理方式为二阶微分+背景扣除+SG平滑+标准正态变量变换,结果表明二阶微分+背景扣除+SG平滑+标准正态变量变换和SMLR获得最佳预测效果,在预测集中L、a*、b*、p H、TVB-N的相关系数分别为0.863、0.850、0.859、0.900、0.916;均方根误差分别为1.394、0.406、0.605、0.194、2.734。3、基于深度学习的明虾新鲜度判别模型的建立。所构建的模型结果校正集的准确率为100%,预测集的准确率为92.3%,结果表明深度学习方法中的神经网络模型对明虾品质可以进行快速鉴别分类。4、便携式明虾虾品质检测装置可靠性和准确性验证。实验获取新鲜明虾样品的理化指标结果,结果显示L、a*、b*、p H、TVB-N的偏差较低,分别为0.147、0.330、0.547、0.105、1.266,预测值和理化值是比较接近的,表明装置对明虾品质指标的预测是比较准确的。整个装置5s之后人机界面实时显示不同指标预测值以及拉曼光谱,表明实验过程中,仪器检测的时间较短,可以实现明虾品质的快速检测。