食品安全是人民生活质量的基本保证，食品中的各种添加物和残留物是把双刃剑，它们在保障食品质量的同时，也会带来严重的环境污染，同时对消费者的身体健康带来严重威胁。因此如何快速准确的检测出食品中的有害物质残留具有很大的研究重要性及发展前景。红外光谱技术的出现使得食品安全检测技术更加快速精确，其在物质检测方面具有传统方法所不具备的快捷、高精度、无损、无需样品前处理、分析效率高等巨大优势。随着红外光谱仪器、化学计量学与计算机技术的发展，为实现快速精确的便携式光谱分析仪提供了硬件和软件基础。然而，红外光谱的分析技术仍存在成分解析难、样本分辨难、谱图分析难等难题。为了实现物质分析算法，需要根据待测物质红外光谱的宏观指纹特征建立一种基于MEMS微镜微型化傅里叶变换红外光谱探测系统的具有针对性的化学计量学物质分析方法。本文致力于研究一种便捷的物质识别算法，以达到快速精确现场光谱分析。本文提出了一种通过比对混合物光谱和标准光谱谱线特征峰之间的欧氏距离来确定样品所含成分的方法。通过提取样品吸收光谱的特征峰，计算样品吸收光谱特征峰与光谱数据库中的特征峰之间的吻合率，确定样品混合物中可能含纯物质的种类；然后确立各个特征峰的权重，计算出特征曲线之间的加权欧氏距离，加权欧氏距离越短，则光谱相似度越高，即该物质含量越高；这样就得出样本混合物之中各种纯物质的相对含量高低。本文完成了该方法的理论分析，设计程序流程图及功能模块示意图，完善了算法实现流程，并开发了基于Linux的智能化物质分析系统软件，以应用于便携式的光谱分析仪中，实现快速现场的物质分析。通过实验验证了该方法的可行性以及确定该方法的精确度，实验结果表明:该算法能够程序化地实现物质的现场快速检测。应用于测试混合物光谱分析时，其分析准确度在96%以上，达到了日常检测的需求。由于该方法具有系统化、标准化、程序化的优势，弥补了传统化学计量学方法进行物质分析时的不足，能够实现现场快速的物质鉴别，对物质分析效率的提升起到推进作用。