大豆蛋白肉的加工主要包括原料拣选、半成品斩拌制糜和挤压成型等环节。宽泛的原料来源、半机械化的加工方式、多参数的挤压成型控制,使得大豆蛋白肉产品的品质监控较为复杂。本研究依托光谱成像技术、超声成像技术,重点针对低色度差异物、低密度差异物、成品内部质构的无损检测开展研究,以克服传统方法对低对比度异物错检漏检率高、对内部质构检测过程繁琐等问题,开发一种基于声光特征的大豆蛋白肉品质检测新方法。主要研究内容如下:（1）基于反射光谱特征的大豆蛋白肉原料中低色度差异物检测异物与原料（大豆）颜色相近时,两者间的低色度差往往导致人工视觉、计算机视觉的错检漏检率高;本研究根据颜色虽然相近,但异物与原料成分不相同的特点,提出了利用反射光谱特征检测低色度差异物的研究思路。选取豆荚皮、塑料、树叶及大豆为研究样本,利用反射高光谱成像系统采集样本的高光谱信号,以光谱信号作为模型自变量,以是否含异物二分类作为因变量,训练了LDA,KNN,BP-ANN和SVM四种异物判别模型,基于全波段主成分变量结合SVM模型组合的识别效果最佳,训练集、预测集和验证集准确率分别为98.33%、99.17%和97.50%。相较于计算机视觉检测法,本研究在低色度差异物检出效果显著提高,说明利用反射光谱特征检测低色度差异物的研究思路是有效且可行的。（2）基于透射光谱特征的大豆蛋白肉半成品内部低密度差异物检测半成品大豆蛋白肉与其内部异物之间的密度对比度低时,常规超声、X射线方法的检测效果不理想;本研究根据两者密度虽相近,但透射光谱对两者组分的响应规律不同的特点,提出了利用反射光谱检测低密度差异物的研究思路。选取硅胶异物为研究样本,利用透射高光谱成像系统采集含异物半成品的透射光谱信号,以光谱信息作为模型自变量,以是否含异物二分类作为因变量,训练了LDA和SVM两种异物识别模型,基于全波段主成分变量结合SVM模型组合的识别效果最佳,训练集和预测集识别率分别达100%和90%。相较于超声成像检测法,本研究在低密度差异物检测方面具有更优的检测效果,说明利用透射光谱检测低密度差异物是有效且可行的。（3）基于显微扫描声谱特征的大豆蛋白肉成品质构检测基于质构仪的常规质构检测过程耗时、操作繁琐,本研究利用超声波信号对样本质构特性敏感的特点,提出了利用显微扫描声谱特征检测大豆蛋白肉内部质构的研究思路。选取以感官评定法划分的三种不同口感成品为研究样本,利用质构仪采集不同口感大豆蛋白肉的硬度、脆性、黏着性质构特性。利用超声成像系统采集超声显微扫描图像信号。提取超声显微扫描图像的纹理特征作为模型自变量,以口感类别作为因变量,训练了KNN和BP-ANN两种质构判别模型,模型判别准确率均达到100%,BP-ANN稳定性较佳。相较于质构仪检测法,在检测效率和场景适用方面效果显著提高,说明基于显微声谱特征检测大豆蛋白肉质构是有效且可行的。本研究对提升食品异物检测的准确性、完善食品内部质构品质的无损感知方法具有参考价值。