羊肉的风味特性和营养价值与脂肪酸的组成及含量密切相关。传统的脂肪酸理化检测方法耗时耗力,难以满足现代肉品行业快速精准的检测要求。高光谱成像技术作为一种快速检测手段,能同时获得样本的内部组分信息与外部属性特征。因此,本研究利用近红外高光谱成像技术对羊肉中油酸、棕榈酸、硬脂酸及亚油酸含量进行快速检测研究;提出基于不同信号特征(光谱信息,光谱图像融合信息)的脂肪酸含量定量预测模型,探究特定化合物提取特征波长的干扰因素及波峰偏移效应,揭示光谱吸收对脂肪酸特定官能团的响应机理,分析图谱融合技术对预测模型的改善能力,构建羊肉脂肪酸含量快速定量检测及定位分析体系,为肉品品质快速检测及在线检测设备的开发提供理论基础。具体研究内容和结果如下:(1)采用900-1700 nm波段近红外高光谱成像技术结合多种化学计量学手段,分别对油酸、棕榈酸、硬脂酸和亚油酸含量的全波段光谱数据进行预处理及建模分析。结果表明,油酸含量的最佳预处理方法为二阶导数(SD)法,所建模型校正集决定系数(Rc2)与预测集决定系数(Rp2)分别为0.8351、0.8679;正交信号校正(OSC)法可去除原始光谱中与棕榈酸含量无关的信息,其所建模型Rc2为0.9017,Rp2为0.8633;硬脂酸含量在经标准正态变换(SNV)与去趋势(DT)法预处理后,光散射等现象明显减弱,所建模型Rc2与Rp2分别为0.8162、0.7574;基线校准(Baseline)法为亚油酸含量的最优预处理方法,其模型Rc2为0.5767,Rp2为0.4144。全波段光谱数据对油酸、棕榈酸和硬脂酸含量的预测结果较好,但对亚油酸含量预测效果不佳。(2)利用四种不同算法对预处理后光谱的特征波长进行提取,分别建立基于线性偏最小二乘回归(PLSR)和非线性最小二乘支持向量机(LS-SVM)的油酸、棕榈酸、硬脂酸及亚油酸含量定量分析模型。研究表明:竞争性自适应重加权算法(CARS)提取的18个特征波长可有效替代全波段数据对油酸含量进行预测,其最优预测模型为CARS-PLSR(Rc2=0.8233,Rp2=0.8750);对于棕榈酸含量,连续投影算法(SPA)提取的5个特征波长建立的LS-SVM模型预测效果最好,其Rc2为0.8955,Rp2为0.9224;利用变量组合集群分析-遗传算法(VCPA-GA)提取的23个特征变量建立的PLSR模型对硬脂酸含量的预测效果最佳,其Rc2与Rp2分别为0.7994、0.8743;亚油酸含量预测模型中,基于CARS法提取的25个特征波长建立的LS-SVM模型预测准确性最高(Rc2=0.6061,Rp2=0.5437)。因此,特征波长光谱数据能较好的代替全波段信息进行预测模型分析。(3)利用灰度共生矩阵(GLCM)法依次提取羊肉样本高光谱图像的第一主成分图像在0°、45°、90°、135°方向下的能量、熵、同质性和相关性等纹理信息,融合特征光谱信息与图像纹理信息实现对油酸、棕榈酸、硬脂酸及亚油酸含量的快速检测及分布可视化研究。结果显示:较最优特征波长数据模型,融合纹理信息后,油酸含量PLSR预测模型Rc2与Rp2分别升高了 0.0056与0.0027;棕榈酸含量LS-SVM预测模型的Rc2与Rp2分别为0.8859、0.9502,高于单一光谱数据模型;硬脂酸含量LS-SVM模型Rc2升高了0.0722;亚油酸含量PLSR模型Rc2与Rp2分别升高了 0.0761与0.1090,表明融合数据建立的模型其预测性能优于单一光谱信息模型;最后将预测结果反演到样本图像上生成可视化分布图,为高光谱图像技术在肉品品质中的研究提供参考。