我国是世界上最大的食用油消费国,且食用油在我们日常生活中具有举足轻重的地位。食用油可以提供人体所需的植物淄醇、不饱和脂肪酸、谷维素等营养物质,对身体健康和保健作用越来越大。然而,一些不法人员为谋取暴利,使用变质原料加工食用油,将劣质油或低价值油掺入高价值油中,以次充优,损害消费者权益,危害人的身体健康。目前传统化学方法往往需要专业人员操作仪器以及多种化学仪器和试剂,检测指标时间长,无法实现快速筛检。因此,探索一种能快速、灵敏度高的动态分析检测食用植物油的技术对提高油脂企业品质监管,保障食用油市场和消费者权益等方面具有重要意义。近年来,拉曼(Raman)和近红外(NIR)光谱用于食用油品质分析成为国内外研究的热点,这是由于光谱技术是一种快速、简便、无损分析技术,易于实现在线分析,且属于绿色检测分析,已被应用在食品和石化等领域的快速检测。论文研究激光拉曼和激光近红外光谱的多源光谱数据融合技术,结合化学计量学方法,展开对食用油品种、花生油掺伪含量及真伪、脂肪酸成分含量检测的研究探索,建立了基于拉曼和近红外多源光谱数据融合技术的食用油品种快速鉴别、食用油掺伪以及脂肪酸含量定量预测模型。主要内容和结论如下:(1)研究建立了多源光谱数据层和特征层融合的食用油品种快速鉴别模型,实现基于激光拉曼和近红外光谱数据层和特征层融合的食用油品种快速检测。结合支持向量机分类(SVC)建模方法,经过特征波长提取的拉曼和近红外两种光谱数据特征层融合建立的Raman-NIR-SVC模型预测集分类准确率达到100%;基于拉曼和近红外光谱特征层融合的食用油品种快速鉴别SVC模型的预测能力要优于Raman、NIR光谱以及数据层融合的SVC模型,说明采用特征波长提取方法结合特征层数据融合技术,可以建立预测效果更好的食用油品种鉴别模型。(2)研究建立了多源光谱数据层和特征层融合的花生油掺伪含量快速预测模型,实现基于激光拉曼和近红外光谱数据层和特征层融合的花生油掺伪含量及真伪快速检测。采用支持向量机回归(SVR)方法,基于Raman和NIR光谱特征层融合的花生油掺伪含量预测SVR模型的检测结果要优于Raman、NIR光谱以及数据层融合的SVR模型,预测集决定系数R2最高达到0.9819。结合偏最小二乘-线性判别分析(PLS-LDA)方法,基于Raman和NIR光谱特征层融合的花生油真伪鉴别PLS-LDA模型的检测结果要优于Raman、NIR光谱以及数据层融合的PLS-LDA模型,基于拉曼和近红外光谱数据特征层融合的真伪鉴别Raman-NIR-PLS-LDA模型的预测集分类检测结果准确率为100%,说明Raman和NIR两种光谱具有很好的互补效果。使用特征波长提取方法剔除无用信息变量能够建立预测效果较好的花生油掺伪含量及真伪检测模型。(3)研究建立了多源光谱数据层和特征层融合的食用油MUFA和PUFA含量快速预测模型,实现基于激光拉曼和近红外光谱数据层和特征层融合的食用油MUFA和PUFA含量快速检测。基于Raman和NIR光谱特征层融合的MUFA含量预测SVR模型的检测效果要优于Raman、NIR光谱以及数据层融合的SVR模型,预测集决定系数R2达到0.9773。基于Raman和NIR光谱特征层融合的食用油PUFA含量预测SVR模型的预测效果要优于Raman、NIR光谱以及数据层融合的SVR模型,且特征层融合的食用油PUFA含量的SVR检测模型对两个样品集的检测效果理想,R2均在0.9839以上,且均方误差(MSE)相差较小,模型预测效果较好,说明剔除无用信息变量能够取得较好的建模效果。