中国经济的持续高速发展以及我国商品融入国际市场的进程对我国农业及农产品加工业的产品品质分析提出了迫切的要求。近红外光谱分析技术作为一种快速、无损、多组分同时分析的绿色分析技术，在农产品品质检测方面是一种首选技术。本文是在国家高技术研究发展计划(863计划)“杂草与虫害图象识别以及谷物品质分析方法研究”(项目编号：2003AA209012)资助下完成的。主要研究内容如下： 1.针对大量样品参与建模，定标较为复杂的情况，本文研究GN距离法来挑选代表性的建模样品。GN距离法在保持建模样品集所覆盖范围的前提下，适量地剔除部分光谱异常样品，并从相似样品中挑选出代表性样品参与建模，从而提高了定标模型的稳定性和适用性。 2.近红外校正模型中样品的变异范围越宽，干扰因素越多，会导致模型的预测能力下降。本文研究将系统聚类法与统计量(R2统计量，半偏相关统计量SPRSQ，伪F统计量PSF，伪t2统计量PST2)相结合，指导分类建模，减小建模集的变异范围。该方法克服了系统聚类分析中无法确定聚类数目的问题，并能剔除部分异常样品，提高了校正模型的可靠性和预测能力。 3.建立近红外定标模型的光谱数据一般都是基于实验室规范的分析条件下扫描得到的，但是在籽粒样品(如小麦、水稻)等的在线式近红外光谱分析系统中，经常会出现待测样品因装样量不同使光谱测定差异较大，导致预测的结果不准确的问题。本文比较了六种常用的光谱预处理方法：MSC，SNV+Detrendinging，SG1，Normalize，DOSC和WT，得出Normalize可以有效地减小装样量对预测结果的影响，从而保证了预测结果的准确性。 4.由于光谱中不同波长处所含的噪声水平不同，因此不同波长处降噪要求也不同。本文研究采用分段小波消噪算法解决光谱中降噪要求不一致的问题，进一步提高定标模型的预测能力。 5.本文比较了偏最小二乘法(PLS)，BP神经网络(BP)和支持向量机(SVM)三种近红外定量建模方法，研究表明SVM在近红外光谱定量分析中有着很好的应用前景。由于SVM的参数选择决定了近红外模型的性能，本文深入分析了SVM核函数和核参数的选取对近红外定量分析的影响，为近红外定量分析中选择SVM参数提供了参考。 6.针对近几年出现的奶粉安全问题，本文首次提出了将近红外光谱技术和支持向量机相结合，建立奶粉安全近红外定性模型，研究表明SVM-NIR模型为奶粉安全判别提供了一个更为便捷、无损的绿色分析技术。 7.针对近红外光谱分析技术在奶粉生产企业的实际应用中遇到的奶粉种类繁多导致样品收集工作难度大等问题，本文提出建立混合奶粉的近红外定量分析模型用于快速测定奶粉的理化指标，研究表明建立混合奶粉的NIR定标模型是可行的。 8.在原有的近红外光谱品质检测软件系统基础上开发了软件系统SoftNirV3.0。该软件系统为近红外品质检测提供了良好的软件技术支持。