摘要为了快速检测羊肉中与新鲜度相关的四个理化指标含量,该研究提出一种多任务光谱特征提取算法ERC-RF,通过对集成回归链(Ensemble Regression Chain,ERC)和随机森林(Random Forest,RF)进行集成,利用新鲜度指标之间的相关性,对特征光谱赋予不同的权重从而获取光谱波段特征的重要性.实验过程中,首先采用SG(Savitzky-Golay)平滑滤波和多元散射校正(Multiplicative Scatter Correction,MSC)结合的方法对数据进行预处理,然后使用RF和ERC-RF模型分别选取特征波段并将特征光谱数据用于两种新鲜度指标含量预测模型:支持向量回归器(Support Vector Regressio,SVR)与多输出回归器(Multi-Output Regressor,MOR)的集成模型:SVR-MOR和SVR与多输出回归链(Multi-Output Regression Chain,MORC)的集成模型:SVR-MORC.结果表明:ERC-RF提取的光谱特征数据在两种预测模型上得到的确定系数(Coefficient of Determination,R2)、平均相对均方根误差(average Relative Root Mean Squared Error,aRRMSE)、平均绝对误差(Mean Absolute Error,MAE)分别达到了 0.974 5、1.302 7、0.385 2和0.975 2、1.495 6、0.391 8,相比于其他波段选择模型得到了明显的提升,波段数也从125减到31,证明ERC-RF是一种有效的多任务特征波长筛选方法,不但提高了多输出回归模型的精度,而且降低了模型复杂度.