Аномальный уровень гликолиза в мышцах после убоя является одним из важных факторов формирования гетерогенного мяса (PSE/DFD). Фосфоглицераткиназa 1 (PGK1) и пируваткиназа M2 (PKM2) соответственно катализируют две ключевые реакции фосфорилирования на уровне субстрата в процессе гликолиза, что в определенной степени отражает энергетический метаболический статус после убоя. Исследование выполнено на мышцах баранов, где определяли уровни иммунореактивности PGK1 и PKM2, и был построен безразрушающий оценочный каркас с использованием видимого-ближнего инфракрасного гиперспектрального изображения (Vis-NIR HSI) в сочетании с двухмерной корреляционной спектроскопией (2D-COS) для улучшения анализа ключевых спектральных диапазонов и интерпретируемости модели. Метод 2D-COS выявил 5 чувствительных полос (476, 562, 605, 715 и 800 нм), спектральный отклик которых может быть связан с изменением состояния миоглобина, а также с изменениями водосвязывающего состояния и структурных особенностей ткани. Систематически сравнивались различные методы предобработки и извлечения признаков в моделях частичной наименьших квадратов (PLSR), случайного леса (RF) и сверточных нейронных сетей (CNN). Результаты показали, что лучшая модель — CNN с объединением анализа групп переменных и итеративным отбором информативных переменных (VCPA-IRIV): предсказательная выборка PGK1 RP2=0.8920, RMSEP=38.3653, RPD=3.0935; предсказательная выборка PKM2 RP2=0.9030, RMSEP=18.1778, RPD=3.2659. На основе оптимальной модели была реализована псевдоцветная визуализация на уровне пикселя, наглядно демонстрирующая пространственную гетерогенность и динамическую изменчивость уровней двух ферментов на различных этапах хранения. Исследование показало, что комбинация Vis-NIR HSI с 2D-COS и методами глубокого обучения позволяет безразрушительно прогнозировать уровни PGK1 и PKM2 в баранине, что обеспечивает техническую поддержку для быстрой классификации и мониторинга метаболических индикаторов.