在孵化场孵化的每批鸡种蛋中,约有5%为无精蛋,由于鸡蛋孵化周期为21天,在此期间需要提供水、电、空间,人工等资源,无精种蛋不但占据空间、浪费资源,而且细菌繁殖导致的臭蛋还会影响孵化箱内其他健康胚蛋。对于种蛋孵化企业如果能越早通过无损的方式筛除无精蛋,可以越大程度降低资源消耗、节省更多生产空间,因此本文使用光谱技术在孵化早期0-5天检测种蛋受精信息。与发达国家使用冰箱储存鸡蛋不同,发展中国家和一些欧洲国家鸡蛋在室温下储藏鸡蛋更常见,而室温下鸡蛋随着储存天数的增加,营养成分会逐渐流失,蛋白质在贮藏期间的降解会导致蛋清变稀,并增加鸡蛋对细菌污染的敏感性,最终导致鸡蛋变质,使用光谱技术无损方法快速检测影响鸡蛋新鲜度的室温下放置天数是非常有必要的。因此,本文以三种蛋壳颜色的1507枚鸡蛋作为研究对象,进行基于光谱技术的鸡蛋受精和新鲜度的无损检测研究,主要内容及研究结论如下:（1）光谱预处理与受精特征波长筛选。将采集到的光谱数据使用一阶导、二阶导、平滑、小波变换、多元散射矫正、矢量归一等不同方法进行预处理,择优选择矢量归一作为预处理方法。然后将竞争性自适应重加权采样法（Competitive Adaptive Reweighted Sampl,CARS）和连续投影法（Successive Projection Algorithm,SPA）特征波长筛选方法筛选出的具备受精特征的波段与全波段的建模结果相比较,选择最佳数据降维方式。（2）三种壳色种蛋受精模型的建立与优化。对比极限学习机（Extreme Learning Machine,ELM）和支持向量机（Support Vector Machine,SVM）模型对不同孵化天数的种蛋光谱数据的受精检测建模结果,选择准确率更高且更稳定的SVM模型作为本文受精检测模型。通过剔除壳色波段实现数据降维,且剔除前后数据对受精模型建模准确率结果无影响。对比麻雀搜索算法（Sparrow Search Algorithm,SSA）和灰狼优化算法（Grey wolf optimizer,GWO）进行SVM分类模型改进的结果,选择SSA-SVM作为检测模型,模型对不同壳色种蛋在孵化第5天的受精检测准确率高达99.56%。为提高孵化前的受精检测的准确率,基于Sine混沌映射和萤火虫扰动对麻雀搜索算法进行改进,最终改进SSA-SVM模型对孵化前实验样本鸡蛋的光谱数据的受精检测准确率高达99.12%,相比SVM模型提升了 1.11%的准确率,且错误分类全为无精蛋被分类为受精蛋。（3）鸡蛋新鲜度检测。对比有无预处理的无精蛋光谱数据的SVM和BP（back propagation）神经网络新鲜度回归模型的预测集结果,选择无预处理数据的BP神经网络作为新鲜度检测模型,并寻找出最佳的隐藏神经元个数,最终新鲜度检测模型的均方误差为0.0092358,决定系数为0.98228。