我国是明虾的主要生产、消费和出口国，在世界海洋渔业中占有重要地位。近年来，人们越来越关注水产品的新鲜度，但目前国内虾类新鲜度品质的检测基本上采用感官评价，理化检测和微生物检测等，这些方法检测过程繁琐、耗时长、易受主观影响，无法满足快速、无损检测的需求。针对上述问题，本研究融合特征图谱信息构建了明虾新鲜度品质的快速检测方法，并将其与单独利用近红外光谱信息和图像信息进行了对比分析。主要试验结果如下:
　　1.对4℃贮藏12d的明虾品质变化进行综合评价，明确了适用于明虾的新鲜度评价指标。反映明虾在4℃贮藏过程中品质变化的主要指标依次是化学指标、微生物指标、质构特性(硬度、弹性、胶粘性、咀嚼性)及色差属性;其中，TVB-N、生物胺总量、b木值、弹性值和菌落总数可以作为明虾的新鲜度指标，同时，TVB-N和菌落总数可以进一步作为判定明虾腐败的品质指标。
　　2.建立了基于近红外光谱技术的明虾新鲜度指标定量分析方法。首先利用区域特征加权融合法对350～1000mm和940～1650mm双波段光谱进行有效融合，以获取更加全面的光谱信息;然后基于不同波段的光谱信息，对比采用了标准正态变量变换(SNV)、一阶导数(FD)和二阶导数(SD)三种方法对光谱进行处理，同时对不同方法按不同顺序组合使用对建模结果的影响进行了分析;最后利用竞争性自适应加权算法(CARS)从众多变量中优选与新鲜度指标有关的特征光谱变量，建立了更为稳健可靠的支持向量机(SVM)预测模型。试验结果表明:与单波段光谱建模结果相比，除参数b木值外，利用双波段融合后的光谱信息建立的模型均优于利用单一波段的建模结果;与利用原始光谱数据建立的模型相比，利用预处理后光谱数据建立的模型预测效果均有所提高。其中，预测TVB.N含量模型RPD＞2.5，说明预测效果较好，模型精度较高，其余指标模型1.5＜RPD＜2.5，表明通过此方法进行明虾新鲜度指标定量分析是可行的。
　　3.建立了基于机器视觉技术的明虾新鲜度定量分析方法。试验以4℃冰箱存放不同天数的明虾为研究对象，利用CCD摄像头获取不同天数的明虾图像，对其进行适当预处理(中值滤波、二值化和形态学处理)后分别提取颜色R、G、B三个通道和面积、长度、宽度、描述图像椭圆形状的偏心率、等面积圆直径和周长等9个特征变量，将其归一化后与新鲜度指标建立SVM模型，各指标模型1.5＜RPD＜2.5，表明这些建模方法是可行的，但模型预测能力有待提高。
　　4.建立了融合图谱特征信息的明虾新鲜度评判方法。试验利用特征层融合的方法将提取的光谱特征信息和图像特征信息进行融合建立了SVM模型，试验结果表明，各指标模型RPD＞2.5，模型的准确性和稳定性均有所提高，较单独采用光谱信息或图像信息建立的模型效果要好，可为多源信息融合技术应用于虾类的新鲜度指标快速定量检测提供了理论依据。