肉类食品表面的光学物理性质，使得光学可以应用于肉品检测。通过对肉类光学特性的测定，检测肉类反射光谱，可将肉类食品及不同新鲜状态下反映出的反射光谱特征量化。肉类组成结构复杂，在光学上一般被看作为一种引发漫反射的食品，肉类表现为一种非均匀性介质，对于光也有特定的吸收特性，肉类可以发生反映肉类特质的散射和吸收。国内外一些专家借助光学仪器和数学模型对肉类的光学特性进行了初步探讨，但是研究还不够深入。长期以来，在肉类食品检测领域，主要靠视觉直观地鉴别，或者利用化学方法对肉类食品进行检测，对于肉类的新鲜度判断缺乏科学性和时效性。利用光学仪器可以准确测定肉类食品表面的光学特性，从而为肉类的新鲜度判别提供客观的依据，这成为肉类食品检测光学研究的一个重要方向。肉品表面特性表现的形态多样，颜色、形状、纹理不相同，肉品表面的光学特征具有模糊性和不确定性，所以实现肉品表面光学特性分析的定量化比较困难。肉品表面微小差异导致肉类表面光学物理参数的区别很小，甚至出现光谱曲线的交叉。但是近年来随着人工神经网络模型的成熟，人工神经网络在光谱分析中的应用成为可能，神经网络可以进行光谱信号的非线性识别，有效地消除噪声，提高测量的精度。在肉类新鲜度的光谱分析中，可以引入小波变换进行信号处理，在肉类新鲜度的光学分析中提取有用信号，达到肉类新鲜度的光学信号消噪和平滑的目的。在阅读分析国内外相关文献的基础上，确定了本文的研究内容、方法和思路。利用光谱测试系统，实现了对肉品原始光谱信号的数据采集。在明确了小波变换及BP人工神经网络原理的基础上，提出了基于光谱特性的肉品种类和新鲜度的识别方法，对采集到的数据进行分析识别。采用光纤探头作为集光器件的光谱测试系统，具有光能损失小、抗干扰强、灵活性高的特点。通过对牛肉、猪肉和鸡肉三种肉品测量，得到了可见光区域内的肉品原始光谱信号，并分析了其特征。在此基础上，提出了利用BP人工神经网络对肉品光谱信号进行识别。经过实验，建立了四级BP人工神经网络。由于光谱测试系统的自带噪声以及肉品的光学特性，训练后的网络识别精度不高。为了提高识别效果，进一步提出了BP人工神经网络结合小波变换的识别方法。肉品光谱信号经小波预处理后，可以达到消噪和平滑的目的，提高了识别的有效性和准确性。仿真结果表明，本文所提出的小波变换与人工神经网络相结合的方法，对基于光谱特性肉品种类及新鲜度的识别是可行而有效的，为实现小型肉类快速无损检测系统做出了初步理论研究。