猪肉作为生活中主要的肉类,其品质检测得到了广泛关注。传统检测技术存在检测手段复杂、对猪肉本身造成破坏、检测结果受环境和主观意识影响较大等问题,因此,采用无损检测方法对畜肉品质进行检测成为研究热点。本研究使用CMOS图像传感器、光谱摄像头分别采集猪肉的RGB图像和光谱数据,对RGB图像进行分割提取大理石纹特征,建立了猪肉大理石纹评价模型;对光谱数据进行预处理和特征波长选择,建立了猪肉新鲜度评价模型,实现了猪肉大理石纹和新鲜度的无损检测。主要研究工作如下:（1）提出了基于HSV色彩空间的空间直觉模糊C均值聚类（RIFCMHSV）、自适应空间直觉模糊C均值聚类（ARIFCM）两种图像分割算法。在传统聚类算法的基础上,结合像素间的非局部空间信息,将其融合于隶属度函数中,同时将HSV色彩空间分量进行融合,提出了 RIFCMHSV图像分割算法,提高了图像分割算法对噪声的鲁棒性;结合差分曲率,使算法对图像的边缘区域、噪声点以及平坦区域进行自主区分,自动调整空间函数和隶属度函数的权重,提出了ARIFCM图像分割算法,使算法更加智能化,减少了人工干预。实验结果表明,本研究提出的算法相比传统分割算法精度更高,RIFCMHSV算法的平均分割准确率比模糊C均值聚类算法（Fuzzy C-means Algorithm,FCM）、直觉模糊 C 均值聚类算法（Intuitionistic Fuzzy C-means Algorithm,IFCM）,分别提高了 7.90%和7.41%,ARIFCM算法的平均分割准确率比FCM、IFCM算法,分别提高了 8.47%和7.98%。（2）建立了基于图像分割的猪肉大理石纹评价模型。基于本研究提出的图像分割算法对图像进行分割,通过对分割结果进行聚类性能分析,使算法自适应地选择性能较好的图像分割结果,作为最终的大理石纹图像;对大理石纹图像进行特征提取,获取6种大理石纹特征指标,以6种大理石纹特征指标为输入,以大理石纹评分为输出,通过多元逐步线性回归算法建立大理石纹评价模型,经过训练后,得到基于图像分割的猪肉大理石纹评价模型,模型的平均预测准确率为92.37%。（3）建立了基于光谱成像的SSABP猪肉新鲜度评价模型。提出使用麻雀搜索算法优化BP神经网络,在传统判别指标的基础上增加硬度和内聚性两种质构指标来预测新鲜度,分别以全波段光谱和特征波段光谱作为输入建立模型。全波段新鲜度评价模型建模过程中,使用不同隐含层节点数、不同传递函数和不同预处理方式进行对比实验,建立了 WTSSABP全波段猪肉新鲜度评价模型,预测准确率为95.83%;特征波段新鲜度评价模型建模过程中,使用不同隐含层节点数和不同特征波段选择算法进行对比实验,建立了 CARSWTSSABP特征波段猪肉新鲜度评价模型,预测准确率为95.40%。实验结果表明,综合考虑模型训练的成本和模型预测的准确率,最终选择了更具竞争力的CARSWTSSABP特征波段猪肉新鲜度评价模型。