随着人们健康意识的提高,食品安全问题越来越受到人们的重视。乳及乳制品已成为人们息息相关的主要食品之一,是关系到人尤其是婴儿健康成长的重要食物,因此乳及乳制品质量就成为社会普遍关心的大事。08年出现的我国牛乳制品三聚氰胺掺假事件,使人们对食品安全问题尤为关心。脂肪和蛋白质的含量是决定牛乳质量的核心指标,也是影响检测精度的关键环节,牛乳质量检测的绝大部分工作量都集中在这两项指标的检测上。因此,如何精确的检测牛乳中各种成分含量问题是关系到人生命健康的重要课题。由于牛乳检测的复杂性,国内外的检测仪器在蛋白质和脂肪的检测中各有伯仲,牛乳检测的精度有待进一步的研究提高。目前,牛乳检测的前端设备已趋于成熟。由于前端检测的硬件的束缚性,及温度、湿度等对牛乳检测的影响,各种检测设备在检测过程中的精度都存在一定的不确定性和误差。因此,如何消除这种误差,提高检测的精度,就成为一个待研究的课题。BP网络因其良好的非线性逼近能力和泛化能力以及易适性而被广泛使用。针对牛乳检测中,硬件的固有弊病,本文引入BP神经网络来改善仪器的检测精度。在后端对已提取的数据,采用BP神经网络对牛乳检测的非线形模型进行训练。论文给出了BP算法的软件实现,及Matlab仿真测试。通过理论分析和试验证明,本文设计的BP网络方案基本可行,跟传统的牛乳检测技术相比,提高了对蛋白质和脂肪的检测精度。