近红外光谱分析技术作为一种新兴的分析技术,具有无需前处理、检测速度快、不破坏样本、不使用溶剂、可同时检测多组分等优点,在食品、制药、农业、石化、环境等领域得到了广泛应用。本论文在重庆大学微系统中心研制的微型近红外光谱仪的基础上,研究其在酒类成分分析及分类上的应用,对实现酒类快速检测具有重要意义。基于微型近红外光谱仪采集的白酒的近红外光谱,论文采用主成分分析、偏最小二乘法、最小二乘支持向量机等化学计量学方法,并结合相关模式识别技术,建立酒类检测的定性和定量分析模型,从而实现酒类成分分析及分类。主要研究内容如下:①搭建了以微型近红外光谱仪为核心的近红外光谱分析实验平台,制定可行的总体实验方案。选择酒精溶液及市面上流通的六种白酒作为实验对象,采集近红外光谱数据。为了提高后续模型的稳定性和适用性,针对所采集光谱信号的特点,研究了相应的预处理算法。②针对近红外光谱具有数据量大的特点,论文采用主成分分析和偏最小二乘算法从光谱数据中抽取特征信息,应用模式识别方法(如SIMCA ,马氏距离法),首先建立了线性定性分析模型。考虑到光谱与品质参数可能存在的非线性关系,采用了最小二乘支持向量机建立非线性定性分析模型。结果表明,最小二乘支持向量机具有最好的分类正确率。③研究了基于酒精溶液光谱数据建立的白酒酒精度定量分析模型,比较了常用的主成份分析、偏最小二乘及最小二乘支持向量机三种建模方法。结果表明,最小二乘支持向量机建立的定量分析模型的校正标准差为0.0040,预测标准差为0.2912,优于主成份分析模型和偏最小二乘模型。