近红外光谱技术在种子和食品成分检测方面具有快速、无损、低成本、无污染等优点。单粒水稻种子成分的NIR无损检测，对品质性状的遗传研究和育种的表现型高通量、早期筛选有着重要的意义。然而现有的化学计量学软件存在功能单一、适用范围窄、内置算法陈旧、更新速度慢、无法实现用户的参数自定义和功能拓展等不足。本课题旨在建立功能齐全、算法新颖、可供扩展、满足作物品质性状的高效选择平台需求的化学计量学软件，为单粒种子的成分检测提供技术支撑。论文的主要结果如下:　　1.为了满足作物成分分析模型建立的需要，本文基于MATLAB程序开发平台，通过编程语言开发了一套包含有数据读入、样本集划分、光谱预处理、多元校正算法、模型评价和参数输出等多个模块的化学计量学软件。数据通过Excel保存后直接读入软件，采用spxy方法进行样本集划分，可进行多种常规预处理方法，采用PCR或PLSR建立回归模型，并输出4种模型评价参数。　　2.通过突变体筛选，构建了遗传背景相同的水稻中籼9311近等位基因系73个样品作为进行直链淀粉和蛋白质含量分析的样本集。采用化学方法测得样本集的直链淀粉和蛋白质含量变化幅度为9.56％～24.82％和7.5135％～12.6148％。将测得的直链淀粉和蛋白质含量和NIR光谱信息导入自编程的化学计量学软件，运用偏最小二乘回归法(PLSR)，建立了基于NIR的水稻种子成分分析模型，研究了水稻种子的近红外光谱特性及其与直链淀粉、蛋白质含量的关系。　　3、通过比较几种不同的光谱预处理方法对于单粒和群体样品模型的效果，对模型进行了优化。数据结果显示，多元散射校正(MSC)对单粒样品模型的优化作用显著，单粒样品直链淀粉含量预测模型的决定系数(R2)由88.05％提升到了98.64％，蛋白质含量预测模型由73.03％提升到了83.83％。一阶导数对单粒和群体样品模型改善都有明显的效果，含量预测模型的R2最高可达99.61％。实验结果为NIR水稻单粒种子成分定量分析建模的预处理方法选择提供了参考。　　近红外光谱技术用于单粒水稻种子成分分析是可行的，所建立的定量分析模型均可达到良好的预测效果。