水产食品是人类食物蛋白质的第三大来源,水产品中所含的优质膳食蛋白已成为保障国家食物安全的重要战略资源,对人民的饮食结构与食品健康有举足轻重的影响。当前我国水产品加工技术水平与发达国家相比仍不够完善,部分生产线还需要大量依靠人工,影响生产线的效率与稳定性。除了提高生产率,食品安全也是关乎民生问题的重要关键,高光谱图像技术的特点是同时包含目标的光谱和图像信息,能准确、无损且大批量的对目标进行品质鉴定。本文主要围绕淡水鱼外形轮廓及品质检测问题,通过可见光与高光谱两部分图像进行研究。在外观检测方面,根据大宗淡水鱼加工线的需要,本文提出了一种通过畸变矫正、背景差分、椭圆拟合三部分对畸变不锈钢链板上的淡水鱼轮廓检测方法。该方法通过计算实验图像与模板图像对应像素点的投影矩阵的方法将畸变的实验图像矫正至世界坐标系下;然后匹配矫正后的图像与模板图像的感兴趣区域并做差分,得到与背景分割开的目标图像及轮廓点;最后循环拟合椭圆,确保输出的椭圆尽可能恰好包裹鱼身主体部分,且长轴方向与鱼体方向一致。使用该方法计算出的鱼体轮廓信息误差控制在5%以内,小于生产线正常运行的最大误差,相比人工测量和其他方法具有更强的准确性、高效性及稳定性。品质检测部分,通常储存淡水鱼的方式是保证其处在活体的状态,冷冻的鲫鱼最多只能保存三至五天。为保证进入加工生产线中的淡水鱼处于新鲜状态,本文使用SPECIM FX10高光谱相机采集目标7天内的高光谱图像,选取感兴趣区域分别使用多元散射矫正（MSC）、一阶导数、标准正态变量变换（SNV）及去趋势方法对光谱进行预处理,再根据Lasso模型提取特征波段,对训练样本使用支持向量机（SVM）对特征波段上的所有感兴趣区域训练样本光谱值建立聚类模型,再用测试样本计算模型准确率。实验选取的导数-Lasso-SNV模型计算准确率达到94.8%,完全满足工业生产检测定性的要求,能够在不满足食品安全要求的样本进入加工线之前对其进行淘汰,该方法能够同时兼顾算法效率以及准确率,在保障原材料品质的情况下提高生产线效率,具有较强的稳定性与良好的实用前景。