随着生活条件的提高，饮食安全的重要性被提到前所未有的高度，羊肉作为我国仅次于猪肉和牛肉的第三大食肉肉类，其新鲜度检测显得尤为重要。目前肉类检测方法主要是化学方法，其存在一定的局限性，主要是过程复杂、耗时较长、很难即时、即地检测，不宜于在群众中推广使用。　　课题利用气体传感器技术、数字图象处理技术、人工神经网络技术、数据融合技术、近红外技术，来实现快速、准确、简便的鉴定羊肉新鲜度。首先研究羊肉变质过程的机理，给出羊肉新鲜度鉴定指标，其次通过实验得到羊肉变质过程中鉴定指标的数据。主要是在同一环境下连续36小时对羊肉挥发的硫化氢浓度值、氨气浓度值、羊肉表面颜色值信息HSI、pH值、近红外光谱图等诸多变质特征进行测量，其数据作为BP神经网络的并行输入变量。将国家标准TVB-N值作为有导师学习的网络输出，对数据进行人工神经网络设计，选取基于人工神经网络的多数据融合方法建立实用的关联性检测模型，并得到良好的仿真模型，通过实验数据测试，获得了较佳的羊肉新鲜度检测网络预测性能。对于完成训练成型的网络即可以对羊肉新鲜度特征信息的网络输入做出分析，得出羊肉的新鲜程度结果。课题研究成果可扩展应用到其它相关检测领域（牛奶、药品），为相关技术研究及产品开发提供了很好的参考，具有较强的实用价值。