肉类菜肴是人们均衡膳食的重要构成部分,其在贮藏过程中,微生物大量繁殖并产生许多代谢产物,使其腐败变质,影响食用品质和食用者的身体健康,因此,肉类菜肴的食用安全问题得到广泛关注。近红外光谱作为一种快速、无损、实时、绿色环保的检测方法,已广泛应用于快速分析和评估食品的新鲜度和安全性。本文以炖牛肉为研究对象,应用光谱分析技术结合化学计量学方法,开展中式肉类菜肴新鲜度检测研究,具体研究内容和相关结论如下:不同贮藏时间炖牛肉的新鲜度特征指标筛选。为增加样品的代表性与预测模型的普适性,以5组经不同调味料处理的炖牛肉为研究对象,采用感官评价法确定每组贮藏时间,每组每隔24 h测定并分析样本的挥发性盐基氮（TVB-N）、菌落总数（TVC）、颜色参数（L*、a*、b*）变化,使用SPSS 26.0软件对实验数据进行单因素方差分析,通过Duncan新复极差法进行显著性分析,并使用此软件进行Pearson相关性分析。结果表明不同贮藏时间下TVC呈上升趋势、完整样品的a*值与b*值均呈逐渐下降趋势,且上述三个指标差异较为显著（p＜0.05）,与贮藏时间呈现较好的相关性（r＞0.8）,因此选取TVC、a*值与b*值作为贮藏过程中炖牛肉的新鲜度特征指标。基于光谱信息的新鲜度特征指标含量预测。利用小型近红外光谱仪采集样本的光谱信息,同时利用近红外高光谱设备采集光谱图像,并从图像上选择感兴趣区域提取平均光谱变量,对两种光谱数据进行预处理,优选特征变量,构建偏最小二乘（PLS）与支持向量机（SVM）模型,并比较两种光谱信息、分组样品与5组混合样品、完整样品与粉碎样品在两种模型下的预测效果。结果表明,混合样品建立模型未明显受到其它因素导致的光谱改变影响,且因增加了样本变异程度,模型效果有一定提升;高光谱系统受到背景杂散光等未知因素的干扰较少,使得光谱信号受噪声影响较小,近红外光谱通过一阶导数预处理可改善这种干扰;完整样品对TVC的预测效果显著低于粉碎样品。近红外光谱与近红外高光谱的光谱信息均可以实现对中式炖牛肉这种复杂体系中新鲜度特征指标的初步测定,且高光谱模型较为简单,用于下一步的模型传递。基于不同物理形态之间光谱模型传递并建立混合模型提升完整样品TVC的预测效果。使用SPXY算法以粉碎校正样本为标准,从粉碎与完整两种物理形态炖牛肉样品的校正集样本中选取模型传递的标样,并通过直接标准化（DS）算法计算转换矩阵实现样品不同物理形态之间的光谱传递,为进一步提高模型的预测准确度并降低预测误差,建立训练集样本基于粉碎样品光谱和递增式地加入传递后的完整样品光谱来建立两种物理形态的混合模型。结果表明,选取70条标准光谱经模型传递后对完整样品的预测效果得到明显改善,基于粉碎样品和传递后的完整样品光谱所建立的混合模型,模型的稳定性和可靠性均有增强,添加15条传递后的完整样品光谱模型的Rp、RMSEP、RPD与RER分别为0.8955、0.1535、2.22、11.02,因此,采用模型传递方法结合混合模型策略可提升肉类菜肴这一类非均质样本的测定效果,实现完整样品的无损检测。