调理肉制品以畜禽肉为主原料,添加适量的调味料,并由多种复杂工艺制作而成,食用前需经简单加工的非即食肉类制品。随着人们生活水平提高和消费观念改变,具有品质稳定、食用方便、附加值高、营养均衡的调理肉制品深受消费者青睐。调理肉制品因生产工艺较为复杂,加工中极易感染微生物。在微生物和酶的共同作用下,会加速肉品的腐败变质。腐败变质的肉制品,不仅失去了经济和食用价值,同时也给消费者健康带来极大安全隐患。因此实现调理肉制品实时、准确、无损的检测,对肉品行业的发展具有重要现实意义。文中以调理鸡肉为研究对象,利用高光谱技术、化学计量学、智能优化算法以及机器学习等知识,对调理鸡肉新鲜度参数无损检测进行研究,主要包括调理鸡肉数据采集与处理、基于融合算法的高光谱特征波长选择以及基于鸟群和免疫算法优化BP网络参数,具体方法如下:（1）通过高光谱成像技术获取每个样本的高光谱图像,并利用专业仪器和方法依次采集样本的颜色（L*、a*、b*）、菌落总数、硫代巴比妥酸以及pH等新鲜度参数,采集的样本总数为240个。然后利用SPXY算法,将采集的调理鸡肉样本划分为校正集和预测集,其数量分别为160、80。最后,采用标准正态变量变换、一阶导数和二阶导数,对新鲜度参数光谱信息进行预处理,并采用交叉验证,建立新鲜度参数PLSR模型,选择每个新鲜度参数光谱信息最佳预处理方法。（2）将Bagging多次重采样获取的样本,通过无信息变量消除法、连续投影算法、竞争性自适应重加权算法和随机蛙跳算法四种算法筛选出各自的特征波长,然后将这些特征波长先进行局部融合,将局部融合结果进行汇总,并按照全局融合策略选择出最佳的特征波长变量。通过该融合算法对新鲜度参数pH、TBA、TVC、L*、a*、b*筛选得到的特征波长数分别为13、20、25、18、17、16。通过与全波长进行对比,融合算法所建立的模型预测效果与全波长建立模型效果非常接近,甚至在TBA参数上预测效果超越了全波长模型,其RPD为3.76。（3）采用了鸟群算法、免疫算法以及鸟群免疫算法的结合对BP初始权重和阈值进行优化,分别建立调理鸡肉新鲜度参数的预测模型。利用优化算法对BP神经网络进行优化后,模型预测性能得到了明显提高,而BSA-IA-BP模型预测效果最好,其中pH、TBA、TVC参数BSA-IA-BP预测模型的RPD分别为3.29、4.54、2.58,而颜色L*、a*、b*三个参数BSA-IA-BP预测模型RPD均小于1.5,根据模型性能评价标准,说明本文提出新鲜度参数预测方法可以对pH、TBA、TVC指标参数进行较好的预测,而颜色参数仅限于区分化学值高低。通过对提出的融合算法以及基于BSA-IA-BP模型的验证,结果表明,该方法对调理鸡肉新鲜度参数的检测具有可行性,为利用高光谱技术实现肉品新鲜度的研究提供了算法支持和理论基础。