本论文以红薯粉为研究对象,以可见-近红外光谱、近红外光谱、激光诱导击穿光谱等光谱技术为手段,开展红薯粉无损检测的模式识别方法研究。应用基于光谱信息的支持向量机、偏最小二乘、神经网络等建模方法,得到判别红薯粉产地的分类模型和检测红薯粉中明矾含量的回归模型,实现红薯粉生物信息的快速检测,对推进食品品质快速检测具有重要意义。本论文主要内容和研究成果包括:(1)基于光谱信息的红薯粉产地分类方法研究。首先,利用小波滤波、SG平滑算法等方法对光谱数据进行滤波去噪;其次,基于全谱波段,应用支持向量机、偏最小二乘、主成分分析法-支持向量机等模型,得到了判别红薯粉产地的分类模型。研究结果表明,基于可见-近红外光谱的主成分分析法-支持向量机模型分类正确率最高。(2)基于光谱信息的红薯粉明矾含量检测方法研究。首先,利用SG平滑算法、去除包络线、近邻成分分析法等方法对光谱数据进行特征选择;其次,基于特征选择后的光谱波段,应用偏最小二乘、主成分分析法-支持向量机、神经网络等模型,得到了检测红薯粉明矾含量的回归模型。研究结果表明,基于近红外光谱和激光诱导击穿光谱的神经网络模型有较好的检测精度,得到较大的相关系数。