冷鲜肉品的新鲜度检测对解决食品安全问题、保障消费者权益、规范冷鲜肉市场有着至关重要的作用,而目前市场上肉品新鲜度检测方法主要是针对肉品中挥发性盐基氮含量的检测,此方法存在着周期长、成本高、操作复杂等缺陷,难以对流通、售卖中的冷鲜肉新鲜度进行检测。因此,为适应不同市场检测场景需求,以4℃密封贮藏的冷鲜牛肉为研究对象,提出两种冷鲜牛肉新鲜度检测方法,一种适用于对准确度要求较高的离线检测场景,通过构建图像-质构信息融合模型对冷鲜牛肉新鲜度进行判别,另一种能够实现冷鲜牛肉新鲜度的快速在线检测,使用卷积网络通过图像特征对冷鲜牛肉新鲜度进行判别。首先,对冷鲜牛肉进行新鲜度等级划分以及质地特性采集。对贮藏0-10天、4℃密封贮藏条件下的冷鲜牛肉进行挥发性盐基氮含量检测,依据国家标准规定,将冷鲜牛肉按照挥发性盐基氮含量划分为新鲜、次新鲜、腐败三类。使用质构仪对不同新鲜度的冷鲜牛肉进行质地特性检测并构建质地特性数据集。在质地特性数据集基础上将冷鲜牛肉的每个质地特性与新鲜度进行相关性分析,为后续新鲜度识别提供质地数据集基础以及理论上的可行性。其次,对不同新鲜度的冷鲜牛肉进行图像采集工作。基于任务要求进行工业相机、镜头选型以及照明设置,完成图像采集平台的搭建。以图像采集平台为基础,通过试验采集了660组在4℃环境下贮藏的冷鲜牛肉图像,使用MATLAB-GUI工具箱设计集图像处理与图像特征提取为一体的人机互动操作界面,用于开展图像处理、特征提取等工作,获取冷鲜牛肉图像特征数据并构建图像特征数据集。在图像特征数据集基础上将冷鲜牛肉的每种图像特征属性与新鲜度进行相关性分析,为后续新鲜度识别提供图像数据集基础以及理论上的可行性。然后,构建BP神经网络信息融合模型,提出一种基于图像信息与质构信息融合的离线冷鲜牛肉新鲜度检测方法。主要包括两个步骤:一是确定融合数据集,对所采集15个质地、图像特性进行主成分分析,选取累计贡献率99.84%的属性构成融合数据集;二是使用融合数据集对BP神经网络进行训练,并使用遗传算法对神经网络初始参数进行优化,优化后的模型对冷鲜牛肉新鲜度识别率为97.00%,研究表明,识别准确率相较于单一图像特征或单一质地特性有了较为显著的提高,融合模型具有较高的可靠性。最后,为适应不同的市场应用场景,满足快捷、实时的检测需求,提出了另一种基于机器视觉技术的快速检测方法。该检测方法将所采集的图像通过旋转、翻转、裁剪等操作进行图像数据集的扩大,又将迁移学习的概念引入到神经网络的训练中,试验结果表明图像数据集的扩大以及迁移学习能有效缓解小数据集在复杂网络结构上的过拟合问题,最终网络模型对冷鲜牛肉新鲜度识别率为92.80%,在保障一定准确率的同时,其优点在于能够实现更为快速的在线检测。