乳制品安全是个全球难题，传统的乳制品检验手段已经不能满足生产质量控制和安全保障的需要。近红外光谱分析技术具有高效、快速、方便和无需前处理等优点，弥补了传统检测方法的不足，被应用到了牛乳领域中。二维相关光谱具有比常规一维光谱更高的分辨率，因此本文将近红外光谱与二维相关技术相结合，应用各种模式识别方法对牛奶是否掺杂进行判别分析。通过分析掺杂(尿素、三聚氰胺)牛奶和纯牛奶样品的一维近红外光谱图，确定二维相关的分析区间为4200~4800cm-1。对掺杂牛奶与纯牛奶的二维相关同步谱和异步谱进行分析，确定将二维相关同步谱作为后续研究的基础。直接将二维相关同步谱结合模式识别方法对掺杂牛奶进行判别分析，主要使用两种方法：（1）展开偏最小二乘法(Unfold-PLS)，将二维相关同步谱矩阵沿波数方向展开为二维数据，并将其与普通PLS算法相结合对牛奶是否掺杂进行判别分析；（2）核隐变量正交投影法(K-OPLS)，直接将二维相关同步谱矩阵与K-OPLS结合建立掺杂牛奶与纯牛奶的判别模型。研究结果表明，这两种判别模型都可以对牛奶掺杂与否进行有效的判别。二维相关同步谱矩阵数据量巨大，为了提高建模的效率，需要从中提取特征信息。主要提出两种方法：（1）提取二维相关同步谱的5个表观统计特征参数(平均值、标准差、重心、偏度和峰度)，分别用偏最小二乘判别分析法(PLS-DA)、误差反向传输(BP)神经网络、概率神经网络(PNN)建立掺杂牛奶与纯牛奶的判别模型；（2）用奇异值分解法提取二维相关同步谱第一主成分对应的特征向量，用PNN建立掺杂牛奶与纯牛奶的判别模型。研究结果表明，这两种方法都能够有效地提取牛奶中掺杂目标物的特征光谱信息，同时又减少了建模输入变量的维数，实现了掺杂牛奶与纯牛奶的判别。本研究将二维相关同步谱与模式识别方法相结合实现牛奶掺杂的检测，为近红外光谱技术在食品掺伪检测中的应用提供了理论依据。