肉质的新鲜程度与消费者的身心健康息息相关,因此,合理准确地检测猪肉新鲜度对于保障猪肉质量、确保消费者合法权益具有深远意义。本文采用无损检测方法中的机器视觉技术采集、分析猪肉图像,以此对猪肉新鲜度开展分析研究。首先针对猪肉表面的特点,搭建机器视觉采集系统,实现猪肉原始图像信息的获取。然后对猪肉原始图像进行预处理,分别用加权平均法对原始图像进行灰度处理、用自适应中值滤波来抑制图像噪声、用局部阈值法分割图像中的肌肉和脂肪、用开运算操作去除细小的毛刺且平滑轮廓边缘、用图像掩模获取目标图像。最后提取猪肉特征,从RGB、HSV、L*a*b*三个颜色空间中提取猪肉颜色特征,从灰度共生矩阵提取猪肉纹理特征,以大理石纹图像为研究对象来提取猪肉的大理石特征,并将这三大类特征融合成53维的猪肉特征,用于后续的实验。在构建猪肉新鲜度分类模型时,先对比了支持向量机（Support Vector Machine,SVM）和极限学习机（Extreme Learning Machine,ELM）两个模型的分类性能,其分类准确率分别为76%、78%,得出ELM模型更适用于猪肉新鲜度分类。然后本文提取出了一种新型群智能算法——麻雀搜索算法（Sparrow Search Algorithm,SSA）,为突出SSA算法在优化猪肉新鲜度模型上的优势,将其与粒子群优化算法（Particle Swarm Optimization,PSO）、差分进化算法（Differential Evolution,DE）、天牛须搜索算法（Beetle Antennae Search,BAS）的优化性能,得出SSA的准确性、稳定性和收敛性最佳。最后对比讨论了SSA-ELM、PSO-ELM、DE-ELM、BAS-ELM猪肉新鲜度分类模型,分类准确率分别为82%、88%、92%、98%,得出SSA-ELM猪肉新鲜度分类模型的准确率最高,更适用于猪肉新鲜度分类识别的应用中。