近年来,随着中国经济的高速发展、社会环境的迅速变化、人们生活与消费方式的不断升级,人们受高血糖带来的糖尿病以及其并发症的严重困扰,患病比例与病情因糖尿病恶化致死的比例逐年增加。除此之外,某些疾病患者会出现低血糖症状,有晕厥和猝死的危险。因此,血糖实时便捷的检测在今天对于提高人们的生活健康保障显得尤为重要。目前市面上大多数的血糖检测手段是通过指血与试纸的电化学反应来预测,该方法每次测量都需要损坏皮肤,造成患者身心不适,尤其增加了糖尿病患者伤口感染的风险。基于这一现状,国内外专家学者纷纷在无创血糖检测领域日夜耕耘,根据研究对象来划分检测方法分为体液检测法、能量代谢守恒法、近红外光谱法、皮下植入传感器的动态监测法、微波检测法等。鉴于以上情况,本课题研究设计一种基于Android的近红外光的血糖检测系统,目的是能够通过近红外线无创检测血糖的在体实验,建立近红外线无创血糖检测模型,并通过校验进一步提高模型的准确率。本课题工作安排如下:(1)通过对现有无创血糖检测技术的现状调研,本课题的研究方向确定为近红外线无创检测;对近红外线与组织液各成分的吸收情况的综合考量,确定了光度数据采集器测量波长;对人体有利采集血糖数据实际情况与仪器使用符合人体工学情况的综合考量,确定了实验的检测位置和测量方式;检验光度数据的有效性与重复性,确保接下来的实验的有效性。(2)本研究建立了一种基于XGB-LGB-catboost的近红外无创血糖检测模型。本课题在原有XGBoost模型基础上采取了诸多改进提升,使其可以较别的梯度提升的算法速度更快,RMSE后经过调优降为0.631,结果较为理想。为了进一步减小均方根误差系数提高预测准确率,模型融合了基于LightGBM算法的预测模型与基于catBoost算法的预测模型,RMSE降为0.698,模型性能优于融合之前。另外,XGB-LGB-catBoost模型只需通过训练1个样本数据来调整权重系数以克服由于肤色、性别等导致的个体差异性。(3)近红外线无创检测系统在Android Studio平台上建立客户端,通过低功率蓝牙连接采集器、收集信号的光度数据;支持手动上传实验中采集的室温、湿度、高压、低压、心率、体温等相关参数到后台数据库。在Visual Studio平台上建立管理端,用于管理用户个人信息以及上传到后台的健康数据。将通过管理端获取到的健康数据通过机器学习算法训练成个人血糖预测模型,之后凭借实时测量的光度数据与相关健康数据即可预测实时血糖参考值。本文通过对近红外光谱无创血糖检测模型进行研究,提升了模型的精度和稳健性,在一定程度上推动了无创血糖检测技术的进步。并且根据市场情况对基于Android的血糖健康系统软件进行了设计,为无创血糖检测运用于市场,做出了一系列探索。