随着我国国民生活水平的提高，对于猪肉品质的要求也在不断的提高。影响猪肉品质的因素有很多，在实际检测过程中存在各种各样条件的限制。如何实现对生猪肉质低成本、快速、可靠的检测评估具有重要的研究意义。本文研究基于猪眼肌B超图像，实现对其脂肪含量的检测识别。猪眼肌俗称里脊，其肌内脂肪含量是反映生猪整体脂肪含量的一个重要参考指标。本文研究以135组猪眼肌B超图像以及理化检测数据作为实验样本，提出了一种检测识别猪眼肌肌内脂肪含量的无损检测方法。论文主要的研究工作总结如下：（1）数据样本的分类与分析。根据数据样本的特点将其分为三类，每一类表示一种脂肪含量范围的猪眼肌图像。然后分析了三类图像纹理的特点，验证了对实验数据划分的合理性。（2）数据样本的预处理。对猪眼肌B超图像进行了灰度化处理，并手工选取了猪眼肌图像的特征区域。最后去除无关信息，提取了30×30像素的感兴趣区域。（3）猪眼肌B超图像纹理特征的提取与筛选。首先分别采用灰度直方图统计算法和灰度共生矩阵算法对猪眼肌B超图像提取了两组纹理特征量。然后分析获得的两组纹理特征量，利用假设检验算法对存在冗余的采用灰度共生矩阵算法提取的特征量进行了特征筛选，确定了能量、熵、惯性矩为最优的描述样本纹理特征的特征量组合。实现了数据的降维处理，为分类器的训练提供了优化的输入数据。（4）猪眼肌B超图像脂肪含量检测分类器设计。实验中将数据分为96组训练样本集和39组测试样本。首先用优化的灰度纹理共生矩阵算法提取的特征向量作为输入数据，用多项式核函数和RBF核函数以及相应的参数组合设计了支持向量机分类器。然后采用相同的实验方案，用灰度直方图统计算法提取的特征向量作为输入数据，重新设计SVM分类模型并完成训练。再基于BP神经网络算法设计分类器进行实验对比，发现对于小样本的数据集BP算法设计的分类器存在过学习现象，导致网络的推广能力较差。最后分析两组实验结果得出结论：采用灰度纹理共生矩阵算法提取的经过假设检验算法优化的特征向量，结合采用RBF核函数的SVM算法设计的分类器能够较好的实现对猪眼肌B超图像脂肪含量的检测分类，正确识别率达到94.9%。