随着我国经济的快速发展,人们对于生活品质的要求逐步提高,羊肉制品作为绝佳的食疗保健品需求量也随之增长。为了更好地管理市场,治理不法商贩“以次充好”使用廉价肉冒充羊肉的问题,需要使用切实可行的掺假羊肉检测方法,高光谱技术因其快速、精准的特点成为了近些年的研究热点。本文制成了两组掺假羊肉的样本分别进行定性及定量实验,首先使用高光谱仪对两组试验样本采集光谱数据,再分别使用预处理技术、特征波长选择方法对原始光谱进行处理变换,得出特征波段后分别建立掺假羊肉的定性分析模型以及定量预测模型,实现羊肉掺假的高光谱检测。本文的研究工作如下:（1）高光谱数据预处理。由于采集后的光谱数据掺杂着不需要的无关信息和噪声,因此采用归一化（normalization）、SG卷积平滑（Savitzky-Golay）以及多元散射校正（MSC）方法分别对羊肉掺假定性检测的实验样本以及定量检测样本进行了数据预处理,实验结果表明,对于定性检测样本使用归一化结合SG卷积平滑的光谱数据预处理效果最好,对于定量检测样本使用多元散射校正作为光谱数据预处理的效果最好。（2）提出了基于飞蛾火焰优化算法改进的概率神经网络（CGMFO-PNN）模型对羊肉掺假进行定性检测。首先使用概率神经网络（PNN）模型对羊肉是否掺假的问题进行检测,在这一部分涉及到了二分类问题,259条数据样本按照是否掺假划分了两种标签,经过PNN的检测测试集的准确率为96.10%。接着对掺假羊肉的掺假类型进行检测,将样本数据按照掺假类型分成四种标签,使用混沌初始化和高斯变异的飞蛾火焰优化算法对概率神经网络进行优化,并使用连续投影法（SPA）以及主成分分析法（PCA）进行特征波长的选取。将两种特征波长选择方法分别结合PNN模型以及CGMFO-PNN模型并将结果作对比发现,经过PCA选择的波长在两种模型中都表现出了更好的准确性,其中CGMFO-PNN的准确性更高。经过优化的CGMFO-PNN模型测试集的准确度从PNN的80.51%提高到了96.10%,说明对于PNN的优化为有效优化。实验结果表明PCA特征波长选择方法结合CGMFO-PNN模型可以较好地实现掺假羊肉的掺假类型检测。（3）提出了间隔区间变量迭代空间收缩法（Si-VISSA）,并建立了羊肉掺假的定量检测模型。将猪肉掺入羊肉样本作为研究对象,掺入的浓度从0%到100%。使用区间变量迭代空间收缩法（IVISSA）对羊肉掺假数据进行特征波长选取,并针对其运算速度慢、预测精度欠佳的问题进行了改进,提出了间隔区间变量迭代空间收缩法。将Si-VISSA以及IVISSA分别结合偏最小二乘回归（PLSR）以及最小二乘支持向量机（LSSVM）建立羊肉掺假定量检测的预测模型。通过对比发现,经Si-VISSA选择的波长预测效果在两种模型中都更优,两模型对比发现PLSR的预测效果整体优于LSSVM。说明对Si-VISSA的改进有效,且Si-VISSA与PLSR的组合效果最好。Si-VISSA-PLSR测试集决定系数以及均方根误差分别达到了0.980以及4.996,可以较好地实现羊肉掺假的定量检测。