小麦是中国最主要的粮食作物之一,其品质的好坏直接影响人们的饮食安全及身体健康,因而越来越受到人们的关注。如何高效快速的对小麦的品质做出评价成为科研人员研究的重点课题,近些年发展起来的近红外光谱分析技术由于其快速、简便、准确、非破坏性等优点,为小麦品质的检测提供了一个新的技术手段。我国许多的科研院所和粮食加工厂等机构陆续在推广和使用近红外光谱分析仪器对小麦等谷物进行快速品质评价。但在实际应用过程中发现,目前国内外现存的近红外光谱分析仪器大多存在着建模困难、定标模型精度不高等问题。　　 针对目前存在的问题,在参考大量国内外研究文献的基础之上,本文对评价小麦品质的多种参数的近红外建模问题进行了深入研究。首先,采用SPXY(sampleset partitioning based on joint x-y distance)算法选择具有代表性的校正集样本,然后使用不同方法对光谱数据作预处理,增强光谱特征；在此基础上分别采用偏最小二乘回归和BP神经网络方法建立了小麦蛋白质、湿面筋及沉降值的校正模型；另外,本文将连续投影算法用于神经网络校正模型的优化,减少了计算量,提高了模型的预测精度。测试结果表明,蛋白质偏最小二乘回归模型的预测相关系数和预测均方误差分别为0.97244和0.23323,经连续投影算法优化后的湿面筋神经网络校正模型的预测相关系数和预测均方误差分别为0.96093和1.112,均达到比较高的预测精度。但是,所建的沉降值的偏最小二乘回归校正模型和神经网络校正模型预测效果都不太理想,可能同本研究使用的光谱采集仪波段较窄及沉降值与近红外光谱相关性较差有关。　　 最后,将建好的模型编译成可独立运行的Console程序,采用Windows管道技术同C++Builder程序通信,开发了一套小麦品质评估系统。该系统可同时预测小麦蛋白质、湿面筋和沉降值3个品质参数,并且可以实现光谱图的绘制导出及报表的保存和打印等功能。