近红外光谱(NIR)和中红外光谱(MIR)都属于分子光谱,可以在分子水平上表明物质成分和性质信息。目前,近红外光谱分析技术已在化工,制药,军工,食品等多个领域都获得了应用,不论对经济还是社会影响来说,都取得了非常高的效益,极具发展潜力。除此之外,越来越多的便携式傅里叶变换红外光谱仪(FTIR)结合多元校正方法也已被应用到各领域的质量控制,如涂料工业和润滑油的质量控制。光谱分析技术利用光谱间的差异可以对物品进行定量分析和定性分析,然而,无论是近红外还是红外光谱,当处于复杂的环境下,或者遇到不定因素影响,在过程中都还存在一些尚未解决的技术问题。本文针对光谱大规模推广过程中的定量、定性分析相关问题进行了研究:(1)在光谱定量分析中,为了实现对未知样本组成成分、性质的定量预测,需要借助计算机工具、以及化学计量学方法来构建光谱多元校正模型。在实际应用中,由于测量仪器的改变、仪器的老化和待测样品的改变等外在因素,多元校正模型不具备通用性,往往只能用于建立模型的一台光谱仪器。本文针对光谱多元校正模型传递问题展开研究。提出了一种基于分段直接校正的新算法——SA-PDS方法。该方法通过PDS算法进行模型传递,使用光谱间的夹角大小(SA)为判定准则来选择传递参数,使得模型传递过程不受到样品性质参考值的影响也不依赖于模型,并且且可以双向传递。本文通过烟叶近红外数据和沥青红外数据,用于测定烟叶总糖含量和沥青蜡含量的模型传递研究,并且与使用预测标准偏差(RMSEP)作为判定准则作比较。实验表明不管是对于近红外光谱还是红外光谱,传递后模型的预测精密度和预测偏差都更小。(2)在光谱定性识别中,将不同种类物质的光谱与其类别建立联系,根据未知样品测得的光谱能判断及预测所属种类。本文针对主要组分十分相似的不同种类物质进行定性分析研究。由于物质的组分相似,测得它们的分子光谱差异极其微小,使用光谱分析技术结合化学计量学也很难将其区分开来,如何增强光谱之间的差异成为有效利用光谱变量进行物质分类和识别的关键。本文提出将图像识别方法应用到光谱的定性分析中,将一维的线性光谱经过自相关处理成二维的光谱图像,增强光谱的可视化差异,再通过图像识别的方法对二维光谱图像进行分类鉴别。在对7类食用油的分类识别中,与PCA,KL-BP方法作对比,图像识别方法所得结果精度较好。