碎骨是无骨肉制品加工过程中常见的危害因子,也是肉制品安全控制的关键环节。光谱成像在识别肉中危害级碎骨方面具有很大优势,但肉中脂肪、结缔组织、边缘效应等因素对碎骨识别存在较大干扰,造成较高比例的假阳性误差。因此,降低或消除这些干扰因素,对拓展光谱成像技术的工业化应用具有积极的理论意义与应用意义。本文以猪肉片为研究对象,利用波长为405～970 nm光谱成像系统捕获样品的图像信息,采用均衡化、形态学修饰、阈值分割、主成分分析（PCA）、波段运算、特征提取等数字图像处理技术与方差分析（ANOVA）、连续投影算法（SPA）、变量投影重要性分析（VIP）、支持向量机（SVM）化学计量学分析方法,探究干扰因素消除的可行性方法,建立具有抗干扰能力的肉片危害级碎骨快速无损识别技术,并从生产线设计、数值分析、识别控制等方面设计构建一套肉片碎骨识别系统,以实现工业化应用。主要研究成果如下:（1）基于光谱信息,采用F值导向型ANOVA提取了780 nm特异性单波段图像（F值为198.889）,建立了特异性单波段图像目标区域的像素面积识别瘦肉片中危害级碎骨的算法模型。模型精度达90%以上,可降低边缘效应对碎骨识别的干扰。（2）基于光谱信息,采用SVM模型分析了理论上去除脂肪、结缔组织干扰因子对碎骨识别的可行性,模型精度均达90%以上,但由于光谱提取繁琐费时,不宜工业推广。（3）基于PC2图像信息,建立了复杂体系肉片中表面危害级碎骨检测算法模型,模型识别准确率达到100%;基于470 nm和970 nm波段图像,建立了内部危害级碎骨检测算法模型,识别精度达94%以上,其中,碎骨嵌入深度小于5 mm的样本的精度为100%。模型可降低脂肪、结缔组织因子对碎骨识别的干扰。（4）研发了肉片中危害级碎骨在线识别的软硬件一体化快照多光谱系统,对表面碎骨肉片识别精度为86%。结果表明,光谱成像技术结合图像处理技术可实现复杂体系肉片危害级碎骨快速无损识别。