从2000年至2019年世界食用菌的产量从454万吨增长到1189万吨,在过去的20年里食用菌的消费量提高了2.6倍。牛肝菌作为云南省大宗交易农产品,合理开发利用对带动当地经济发展和乡村振兴具有重要现实意义。但野生食用牛肝菌采收季节性较强,受水分、酶、微生物等影响,极易变质,在常温下保质期为1-3天,大量牛肝菌被干燥保存。牛肝菌干片作为主要的流通商品,受国内外消费者青睐,但存在以旧充新、以次充好的现象扰乱市场。系统性研究鉴别不同储藏期牛肝菌的研究甚少,建立科学、准确、快速的牛肝菌储藏期鉴别体系,为食用菌质量安全严格把关,确保食用菌产业健康有序发展势在必行。而随着生命科学和计算机科学的迅猛发展,以机器学习为代表的现代信息技术广泛应用在生命科学的各个领域,是分析生物大数据的重要工具。光谱技术结合化学计量学已在食用菌领域有着非常广阔的应用前景。本研究拟通过采集的暗褐网柄牛肝菌、白牛肝菌、玫黄黄肉牛肝菌和兰茂牛肝菌的液相色谱（HPLC）信息与傅里叶变换近红外（FT-NIR）图谱。结合化学计量学对新鲜暗褐网柄牛肝菌和干品白牛肝菌、玫黄黄肉牛肝菌和兰茂牛肝菌的储藏期进行鉴别区分,关联分析HPLC与FT-NIR,构建科学、准确、快速的多源信息融合评价体系,加强食用菌储藏质量安全控制,促进食用菌加工产品合理开发。主要研究结果如下:（1）针对新鲜的暗褐网柄牛肝菌,通过采集在0℃下保存样品菌盖表面的近红外光谱,利用偏最小二乘判别、支持向量机、极限学习机和深度学习来鉴别储藏期超过4天的样品。基于原始数据的偏最小二乘判别模型的训练集和测试集准确率分别为82.14%和79.76%,模型效果不佳。但经过导数预处理后,基于一阶导数的训练集和测试集准确率分别为99.21%和91.67%,基于二阶导数的训练集和测试集准确率分别为99.21%和97.62%。其中二阶导数表现出最优的模型效果。支持向量机模型中Best c=32,Best g=4.8828×10-4,训练集和测试集准确率为96.03%和100%,其中Best c值较高,有过拟合的风险。基于同步二维相关光谱图像建立了深度学习模型,模型训练集和测试集准确率均为100%,在迭代次数为28时损失值为0.012。相比其他模型,深度学习模型表现出最好的模型效果,模型准确率高且外部验证集准确率亦为100%,模型稳健拟合度高。该方法首次采用近红外光谱结合深度学习模型,鉴别新鲜暗褐网柄牛肝菌的储藏期,这为新鲜牛肝菌在市场上储藏期的快速鉴别提供了思路。（2）对于干品牛肝菌储藏期的鉴别,采集了三种473个牛肝菌子实体的近红外光谱和其中126个子实体的液相色谱数据。利用白牛肝菌色谱数据建立偏最小二乘判别模型,模型训练集和测试集准确率为100%和57.14%;基于玫黄黄肉牛肝菌建立模型的训练集和测试集准确率为100%和80%。三种牛肝菌偏最小二乘判别模型的Q~2分别为0.462、0.849、0.478,说明基于色谱的偏最小二乘判别模型预测能力不足,不能用来鉴别干品牛肝菌的储藏期。而基于近红外光谱的深度学习模型预测集准确率高达100%。通过比较基于全波段光谱和7000-4000 cm-1波段建立的深度学习模型结果,发现7000-4000 cm-1包含了样品的有效信息,减少了不必要的冗余信息,提高了构建模型的速度,是最佳的鉴别模型;色谱含量数据表明,随着储藏时间的延长,牛肝菌中腺苷和尿苷的含量会有所增加,鸟苷含量变化不明显,当年收集到的牛肝菌样品腺苷、鸟苷和尿苷的含量最低。另外同步二维相关谱能反映出尿苷,腺苷含量的变化趋势,具有预测物质含量变化的潜力。本研究首次提出了利用特征2DCOS结合深度学习用于识别牛肝菌储藏年限,并证实该模型具有良好的性能。