对于乳制品营养物质的评价中,牛奶作为人们日常生活中必需的蛋白质吸收来源,较为重要的指标就是蛋白质含量。近年来,消费者的身体健康和乳品行业的发展与牛奶的质量息息相关,因此,对牛奶蛋白质含量检测是一个很重要的环节,传统的检测方法消耗时间长且浪费大量的人力资源,同时还会导致环境恶化。所以找到更快速、准确的牛奶蛋白质含量检测方法,对乳业质检有着重要意义。因此,本文采用机器学习结合高光谱成像技术对牛奶蛋白含量进行定量评估,为市场上牛奶蛋白质含量检测提供一种可行方案,具体的研究工作和结论如下:（1）采用基于遗传Fisher性判别（GA-Fisher）选择牛奶光谱特征波长,利用可见光/近红外高光谱成像系统扫描牛奶样品获得各种品牌牛奶的高光谱图像,然后用ENVI软件对牛奶高光谱图像提取感兴趣区域（ROI）获得光谱数据。分别用最大最小值归一化,MSC,S-G平滑对牛奶光谱数据进行预处理,对预处理以后的数据进行PLSR建模,其中采用MSC预处理光谱数据,模型评分最高。以MSC预处理以后的牛奶光谱数据为研究对象,利用GA-Fisher算法选择牛奶光谱特征波段,分别以全光谱数据与基于GA-Fisher算法选择出的特征波段数据作为自变量输入建立SVR模型,并与SPA、CARS等特征波段选择方法进行比较。结果表明GA-Fisher算法是一种有实际意义的特征选择方法,它消除了光谱矩阵的冗余信息,使模型变得精简,还可以对牛奶蛋白质含量进行高精度的预测。（2）构建了基于改进麻雀搜索算法优化误差逆传播算法（back propagation,BP）的牛奶蛋白质含量无损定量预测方法。在相同数据环境下,与传统BP神经网络、传统麻雀搜索算法优化BP神经网络相比,利用改进麻雀搜索算法优化误差逆传播算法（back propagation,BP）对牛奶蛋白质含量预测更佳。（3）设计牛奶蛋白质含量预测软件系统。通过分析系统需求和设计系统相关功能实现了系统用户登录、数据预处理、训练、预测等基本功能。测试系统的数据保存、模型训练和预测牛奶蛋白质含量等功能,结果表明,牛奶蛋白质含量预测系统针对高光谱图像数据可有效预处理且能准确预测牛奶蛋白质含量,基本可以实现预期功能,符合设计要求。