随着生活水平的提高,人们对食品品质的要求越来越高,新鲜和安全是消费者在选购食材时的两个重要标准。鸡蛋因其食用的广泛性和营养的丰富性拥有最高的蛋品市场占有率。在贮藏期间,鸡蛋的内外部物理参数和各类营养指标会产生相应的变化,导致食用性能降低,鸡蛋新鲜度的检测是确定其食用性能的重要保障。目前,国内对鸡蛋新鲜度的检测仍然以人工测量方法为主,存在主观因素干扰强,检测不规范和劳动强度大等缺点。如何让鸡蛋新鲜度的检测摆脱传统的人工测量模式,逐步走上便捷、高效的道路,是一个具有实用价值和现实意义的研究方向。便捷、高效的检测技术,一方面可以保护消费者的权益,另一方面可以为我国蛋品销售市场的合理运转提供有效信息,确保蛋品以质论价。机器视觉检测技术具有安全、高效、无损的优点,可以对样本的形状、大小和颜色纹理等内容进行测量分析;拉曼光谱检测技术具有采集步骤简单、所需样本量少、样本无需制备的优点,可以对样本的分子组成及结构等内容进行测量分析。不同新鲜度鸡蛋所显示出的气室、蛋黄形状参数不同,蛋清中蛋白质的分子构成也不同,在图像信息和拉曼光谱信息上可以观察到其差异。因此,机器视觉及拉曼光谱检测技术可用于对不同贮藏期的鸡蛋进行品质分析。本文分别采用机器视觉及拉曼光谱检测技术,结合不同数据处理及建模方法,分析研究不同贮藏期鸡蛋的新鲜度变化情况。主要的研究工作包括:(1)根据生物学相关知识,分析鸡蛋在贮藏过程中的物理、化学指标的变化,确定表征鸡蛋新鲜品质的相关参数。(2)无损采集鸡蛋的图像信息后测量其物理参数,对图像信息进行滤波、颜色空间转换与提取、二值化等操作,提取蛋黄、气室特征。(3)利用SPSS软件对所测物理参数及特征提取参数进行统计分析,建立基于图像处理数据的蛋重、蛋白高度回归模型。(4)以蛋重、蛋白高度为输入,鸡蛋新鲜度级别为输出,分别建立基于BP神经网络、RBF神经网络、支持向量机和深度信念网络的机器学习模型,预测鸡蛋新鲜度级别,同时利用验证集样本数据验证各模型的预测准确率。(5)测量不同贮藏期鸡蛋的物理参数后采集蛋清拉曼光谱,对原始拉曼光谱去噪处理后,提取特征峰强度值。(6)利用SPSS软件分别对拉曼光谱特征峰强度值和实测蛋黄指数、气室高度、蛋白高度、哈夫值进行统计分析,探究鸡蛋各新鲜度指标与蛋清拉曼光谱特征峰强度值的关系模型。试验结果显示,在鸡蛋新鲜度的机器视觉检测系统中,深度信念网络模型对新鲜度级别的预测准确率达到了93.3%,预测准确率高,模型稳定性好,可以为今后选取预测鸡蛋新鲜品质的建模算法提供参考;基于拉曼光谱技术的鸡蛋新鲜度检测方法,分别建立了特征峰强度值与实测蛋黄指数、蛋白高度、气室高度和哈夫值的关系模型,模型显示不同贮藏期鸡蛋样本的各新鲜度指标与拉曼光谱特征峰强度值之间均存在良好的线性关系,说明利用拉曼光谱检测鸡蛋新鲜度是可行的,可以为今后鸡蛋新鲜品质的检测途径提供参考。