为探究猪肉品质的快速无损检测方法，本试验以432头大白猪背最长肌样本为研究对象，采集了其在850～1 050 nm波段的近红外光谱（NIRS），并测定其pH、肉色亮度（L * ）值及24、48 h的滴水损失。首先比较了7种光谱预处理方法对偏最小二乘回归（PLSR）模型预测准确度；在此基础上进一步比较PLSR、支持向量回归（SVR）和随机森林（RF）3种建模方法对猪肉品质的预测性能；最终采用竞争性自适应重加权采样（CARS）算法筛选特征波长以优化预测模型。结果表明：标准正态变量变换联合二阶导数处理（SNV+2nd der）能有效消除近红外光谱的散射与基线漂移；相同预处理条件下，PLSR模型整体预测性能优于SVR和RF；经CARS筛选后，参与建模的波长变量数减少至20～40个，优化后的PLSR-CARS模型预测性能保持稳定，其中pH和肉色L * 值的预测集决定系数（R 2 p）分别达到0.57和0.48，相对分析误差（RPD）分别为1.43和1.31。本试验条件下，采用SNV+2nd der预处理结合PLSR-CARS算法可用于猪肉品质的快速检测，为近红外无损检测技术在猪肉品质鉴定中的应用提供了参考。