三文鱼作为一种营养丰富且味道鲜美的海水鱼种,在全球范围内深受消费者喜爱。近年来,我国三文鱼消费市场需求旺盛,进口量不断增加,而进口方式主要包括冰鲜和冷冻两种。相比于冷冻三文鱼,冰鲜三文鱼能够较大程度的保留三文鱼的优良品质,但同时成本更高,售价更贵。因此存在部分不法商贩将冷冻三文鱼解冻后作为冰鲜三文鱼售卖,以此谋取更多利润。这种欺诈行为不仅严重损害了消费者的利益,也不利于我国三文鱼消费市场的健康发展。目前针对冰鲜与冻融肉的鉴别方法大多繁琐耗时,难以实现大规模的检测。本研究采用高光谱成像和阻抗谱技术对冰鲜和冻融三文鱼的光学、电学特征进行了分析,并结合化学计量学的方法对冰鲜和冻融三文鱼进行定性区分。此外,基于光谱对肉类理化指标检测较灵敏的特性,本文采用高光谱成像技术对冰鲜与冻融三文鱼的品质指标进行了快速预测和分布可视化研究。主要研究内容和结论如下:(1)基于高光谱成像技术的冰鲜与冻融三文鱼及其冻融次数鉴别。以冰鲜和不同冻融次数的三文鱼为研究对象,首先通过高光谱成像系统采集样本的高光谱数据。然后利用ENVI 4.5软件提取样本高光谱图像中感兴趣区域(ROI)的平均光谱,同时利用灰度共生矩阵法(GLCM)对前三个主成分图像的纹理信息进行提取。光谱信息在经过预处理和波长筛选后,分别建立基于光谱信息、图像信息以及融合光谱-图像信息的冰鲜与冻融三文鱼鉴别模型。结果显示基于光谱信息的极限学习机(ELM)模型对冰鲜与冻融三文鱼识别效果最佳,其校正集和预测集的识别率分别为100.00%和95.00%。在三文鱼冻融次数的鉴别研究中,效果最好的模型同样为基于光谱信息的ELM模型,其校正集和预测集的识别率分别为97.50%和91.67%。(2)基于高光谱成像技术的三文鱼品质指标快速检测及其分布可视化研究。以冰鲜和不同冻融次数的三文鱼为研究对象,首先对样本的高光谱图像数据进行采集并提取ROI平均光谱。然后通过常规检测方法测定出样品品质指标的理化真值。光谱信息在经过预处理和波长筛选后,建立基于光谱对各品质指标的偏最小二乘法(PLS)预测模型。模型结果显示,基于竞争性自适应重加权算法(CARS)波长筛选后的光谱所建PLS定量模型可以较好的对三文鱼品质指标进行预测。其中对a*值、剪切力、味精当量值(EUC)和K值的预测中,其测试集的相关系数(r_p)分别为0.9243,0.8854,0.8093和0.9493,预测均方根误差(RMSEP)分别0.78,0.64 N,1.13 gMSG/100g和1.46。在确定了各品质指标对应的最优预测模型后,通过样品高光谱图像中各个像素点的光谱值求出对应的品质指标值,最后根据像素的坐标信息及其对应的指标含量以伪彩色图的形式重构了三文鱼各品质指标在图像上的分布,实现了三文鱼品质的分布可视化。(3)基于阻抗谱的冰鲜与冻融三文鱼及其冻融次数鉴别。针对阻抗谱技术在肉类检测中因样品个体差异导致检测效果下降的情况,本研究以冰鲜和不同冻融次数的三文鱼为研究对象,对冰鲜与冻融三文鱼之间的四种阻抗谱差异进行了分析与比较。之后建立基于不同阻抗谱的冰鲜与冻融三文鱼识别模型,根据识别率优选出一种高效且鲁棒性强的冰鲜与冻融三文鱼阻抗谱检测方法。研究发现,在冰鲜与冻融三文鱼的鉴别研究中,效果最优的是基于相位谱信息建立的CARS-BPANN模型,其校正集和预测集识别率均达到100.00%,能够对冰鲜与冻融三文鱼有效区分;在三文鱼冻融次数的研究中,基于相位谱建立的CARS-ELM效果最好,校正集和预测集识别率分别为91.67%和86.67%。