近红外光谱（Near-infrared reflectance spectroscopy,NIRS）技术作为21世纪以来日趋成熟的检测技术,其应用简单快捷、高效环保,在肉品检测领域具有十分广阔的应用前景。本研究旨在利用近红外光谱技术快速准确地检测羊肉中各理化指标的值、鉴别羊肉品种与产地、预测其货架期及综合评定羊肉品质安全。本论文包括以下3个试验:（1）利用WINISI III软件与Foss Calibrator软件分别建立203份羊肉6种化学成分（MT、EE、CP、GLU、Ash、P）的预测模型。WINISI III软件定标结果显示:MT、EE、CP、GLU、Ash、P预测模型的RSQv分别为:0.86、0.93、0.75、0.61、0.57、0.41;Foss Calibrator软件定标结果显示:MT、EE、CP、GLU、Ash、P的R~2分别为:0.84、0.87、0.83、0.53、0.51、0.33。两种定标软件得到的结论基本一致,均表明MT、EE、CP的预测模型可在实际生产中应用;GLU、Ash的预测模型还需进一步优化;P的预测模型相关性较差,不能在实际生产中应用。（2）采集湖羊样本148份、澳×湖杂交羊（澳洲美利奴×湖羊）样本62份、杜泊羊样本84份,共计294份羊肉样本用于构建不同品种羊肉的正交偏最小二乘判别模型（OPLS-DA）与泛化正交偏最小二乘判别模型（O2PLS-DA）;采集395份湖羊样本构建不同产地羊肉的OPLS-DA与O2PLS-DA判别模型（武威普康112份、庆阳中盛148份、山东润林135份）。品种鉴别模型结果显示:OPLS-DA与O2PLS-DA模型的校正集总判别正确率分别为98.30%、99.15%;验证集总判别正确率分别为98.31%、100%。产地溯源模型结果显示:OPLS-DA与O2PLS-DA模型的校正集总判别正确率分别为97.15%、100%;验证集总判别正确率分别为96.20%、98.73%。无论是鉴别羊肉品种的模型还是溯源羊肉产地的模型,O2PLS-DA模型的总判别正确率均高于OPLS-DA模型,O2PLS-DA模型为其各自最佳判别模型。（3）采集110份小尾寒羊颈部肌肉样本,利用NIRS技术建立冷藏0-10天羊肉样本理化指标（MT、CP、EE、L*、a*、b*、p H、TVB-N）的定量模型,并试建每个指标的零级与一级动力学模型;分别构建冷藏羊肉的光谱-动力学模型与近红外光谱判别模型,用于预测冷藏羊肉的贮藏期;再结合光谱聚类结果与感官评价综合评判羊肉的品质安全。结果显示:羊肉MT、CP、EE、L*、a*、b*、p H、TVB-N各预测模型的RSQv分别为:0.94、0.87、0.61、0.63、0.68、0.75、0.72、0.86。经对比分析,只有TVB-N指标符合食品动力学模型的变化规律,其零级动力学方程为A（t）=8.54+1.895t。通过TVB-N指标的光谱-动力学模型与近红外光谱判别模型,可准确预测出冷藏羊肉的货架期、新鲜程度及其阈值。利用光谱聚类结果结合感官评价将冷藏0-10天的羊肉大致分为五类:新鲜0-1 d;次鲜2-5 d;变质初期6 d;变质中后期7-9 d;腐败10 d。综上所述,本研究利用NIRS技术结合化学计量学方法,构建了冷藏羊肉各理化指标的定量预测模型、品种与产地的定性鉴别模型及预测冷藏羊肉贮藏时间的光谱-动力学模型与近红外光谱判别模型,为快速评价羊肉理化品质、鉴别品种与产地、预测其货架期及质量安全的评定提供理论依据。