新鲜度是反映鱼类品质以及可否食用的重要指标，在线检测直接关系到食品质量与安全的实施应用，因此对淡水鱼新鲜度进行在线检测具有重要意义.应用近红外光谱对淡水鱼新鲜度进行在线检测，试验装置采用自行搭建的淡水鱼近红外光谱在线采集装置，样品以0.5m·s-1的速度运动，采集其近红外漫反射光谱(900～2500nm)，应用支持向量机建立淡水鱼新鲜度在线检测模型.研究通过光谱理化值共生距离(SPXY)算法划分样品校正集与预测集，对比了不同的光谱预处理方法对预测结果的影响，并对建模所用光谱变量进行优化.结果表明，经过一阶导结合标准化预处理的模型效果最优，模型对校正集的正确识别率为97.96％，对测试集的识别率为95.92％.为了提高模型运行速度，采用不同的特征变量选择方法对特征波长进行筛选，确定竞争性自适应重加权算法(CARS)为最优波长选择方法，最终确定10个特征波长，用该特征波长变量建立SVM淡水鱼新鲜度检测模型，模型对校正集的正确识别率为100％，对测试集的识别率为93.88％.该研究可为近红外光谱用于淡水鱼新鲜度在线检测提供技术支持.