辣椒的营养成分丰富，尤以维生素C(Vc)含量高居各类蔬菜榜首。辣椒既可鲜食、调味，也可入药，具有重要的经济价值和食疗保健作用。随着消费者对于辣椒的关注度不断提高，为辣椒品质寻找一种快速无损检测方法已成为厂家、商家以及消费者各方面的共同要求。本研究以鲜辣椒和辣椒粉为研究对象，利用傅立叶变换近红外光谱分析技术和化学计量学分析方法，开展鲜辣椒中可溶性固形物(SSC)、维生素C(Vc)的定量检测；辣椒粉及掺杂物傅立叶变换近红外(FT-NIR)分类鉴别研究，并在此基础上建立掺杂物含量快速检测的傅立叶变换近红外光谱检测数学模型。主要研究内容和结果如下:①论文分别对鲜辣椒的可溶性固形物和维生素C无损检测光谱预处理方法、有效波段选择方法和校正模型建立方法进行实验研究。实验通过鲜辣椒样品的漫反射光谱预处理方法对比分析，得出对SSC,经1st D+MSC预处理后获得的校正模型较理想；对Vc,经SNV预处理后获得的校正模型较理想。通过预处理后光谱进行波段选择方法对比分析，得出对SSC和Vc而言，蒙特卡罗无信息变量消除(MC-UVE)方法均优于间隔偏最小二乘法(iPLS)、连续投影算法(SPA)及遗传算法(GA)。采用优化后光谱为输入，通过建模方法对比分析，得出对SSC而言，偏最小二乘(PLS)结合MC-UVE(MC-UVE-PLS)模型的预测效果优于主成分析结合最小二乘支持向量机(PC-LS-SVM)和MC-UVE结合LS-SVM (MC-UVE-LS-SVM)模型,其验证相关系数rp为0.987，验证均方根误差为0.274oBrix；而对Vc，MC-UVE-LS-SVM模型的预测效果优于MC-UVE-PLS和PC-LS-SVM模型,其验证相关系数rp为0.911，验证均方根误差为19.271mg/100g。②论文通过对未知样品的预测，对优化后模型进行精度评价。利用优化模型对预测集的27个未知样品进行预测，结果为：对SSC，其预测相关系数rp为0.971，预测均方根误差为0.382oBrix。而对Vc，其预测相关系数rp为0.899，预测均方根误差为21.022mg/100g。结果表明，FT-NIR光谱检测技术可用于鲜辣椒可溶性固形物含量(SSC)及维生素C(Vc)的定量分析。③论文探讨了不同分类方法在辣椒粉、常见掺杂物及掺杂混合物分类中的应用。分别采用判别分析(DA)、簇类独立软模式分类法(SIMCA)、偏最小二乘法判别分析(PLS-DA)对校正集建立判别模型，并对比不同建模波段及不同的光谱预处理方法对每种定性判别分析方法的判别能力的影响。结果表明，采用DA、SIMCA及PLS-DA三种分类方法，均可有效的对纯辣椒粉与其它三种纯掺杂物粉进行区分。然而，在鉴别掺杂后的混合物时，只有PLS-DA和SIMCA两种方法比较适合，而DA方法校果不明显，且PLS-DA的鉴别能力更强，能够发现更低的掺杂比例的掺杂混合物，其rc为0.989且只有2个掺锯屑混合物被误判成辣椒类。④论文建立了掺杂物含量快速检测的傅立叶变换近红外光谱分析定量数学模型。以所制混合物的比例值为相应的浓度值，建立各种混合物的定量模型。对比不同建模波段、不同的光谱预处理方法及不同建模方法对定量模型精度的影响。结果显示，对掺陈皮辣椒粉中陈皮含量，采用10600~7500cm-1波段光谱通过SNV预处理，并采用PC-LS-SVM所建立的模型最佳，rp为0.997，RMSEP为0.486%。对掺锯屑辣椒粉中锯屑含量，采用全波段光谱通过SNV预处理，并采用PLS所建立的模型最佳，rp为0.977，RMSEP为0.872%。对掺红砖辣椒粉中红砖粉含量，采用全波段光谱通过SNV预处理，并采用PLS所建立的模型最佳，rp为0.988，RMSEP为0.631%。结果表明，其应用傅立叶变换近红外光谱技术结合化学计量学方法以可以实现掺杂辣椒粉中掺杂物含量的快速检测,取得了较满意的预测精度。