摘要目的 快速无损检测酸肉发酵过程中的乳酸、总酸.方法 基于高光谱成像技术,针对408～1049 nm范围内的光谱反射图像,采集不同发酵时期的酸肉光谱信息,提取图像中感兴趣区域内的反射光谱信息后,采用kennard-stone算法(KS)划分训练集和测试集.原始数据通过标准正态变量转换(standard normal variate transformation,SNV)和多元散射校正(multivariate scatter correction,MSC)进行数据预处理后,采用偏最小二乘回归算法(partial least squares regression,PLSR)建立模型.采用连续投影算法(successive projection algorithm,SPA)、竞争性自适应重加权采样算法(competitive adaptive reweighted sampling,CARS)以及无信息变量消除法(uninformative variable elimination,UVE)对特征波长进行提取.并基于PLSR分别建立模型,与全波长预测模型进行对比.结果 酸肉中乳酸的最优预测模型为SNV-CARS-PLSR,训练集决定系数(R2)为0.9113,均方根误差(root mean square error of cross-validation,RMSECV)为 0.7236,测试集R2 为 0.9104,RM SEC V 为 0.7342.总酸的MSC-CARS-PLSR模型的预测效果最佳,训练集R2和RMSECV为0.9307和0.6782,预测集R2和RMSECV为0.8682和0.6907.结论 利用高光谱成像技术构建的模型可潜在实现酸肉中乳酸和总酸的快速无损检测,具有潜在的应用价值.