甜蜜素是一种高甜度的并且在果冻中广泛使用的甜味剂，人体摄取过量，对健康不利，所以在GB2760-1996《食品添加剂使用卫生标准》中明确规定果冻中甜蜜素含量不得超过0.65g／kg。目前食品中甜蜜素的测定方法都具有费时、处理步骤繁琐、成本高、影响因素多等缺点。近红外（NIR）光谱分析技术是一种快速、无损的分析检测技术，近年来被广泛应用于食品和农产品的品质检测中，本研究尝试用近红外光谱分析技术对果冻中甜蜜素含量进行定量分析。试验中选取了66个喜之郎果冻，其中36个作为训练集，其余30个作为预测集，选用紫外吸收光谱法作为近红外光谱分析技术的参比方法，首先采用紫外吸收光谱法测定果冻中的甜蜜素含量，然后再采集相应样本的近红外光谱，作为试验分析的原始数据。在近红外光谱数据的预处理方面采用了Savitzky-Golay平滑、导数、标准正态变换（SNV），多元散射校正（MSC）、中心化处理以及小波变换（WT）等方法，并对这些方法进行了简单的比较分析。在波长选择方面先采用方差分析法对4000～11000cm^-1的全光谱进行初步筛选，发现与果冻中甜蜜素含量相关波数的大致范围是在4001.64～6998.52cm^-1，再应用区间偏最小二乘法（iPLS）和遗传算法（GA）进行进一步的波长筛选并对筛选结果做了比较分析，发现遗传算法（GA）更适合于本方面的研究。最后引入主成分分析法（PCA）与人工神经网络算法（ANN）建立模型，并将模型的性能与偏最小二乘（PLS）模型进行了比较分析，从而选出了一个较优模型建立方法，即基于遗传算法所选波长而建立的人工神经网络模型性能较好，其交互验证均方根误差RMSECV为0.00014，预测均方根误差（RMSEP）为0.00093，相应的相关系数分别为0.9173和0.9056，得到了比较好的效果。结果表明近红外光谱分析技术能应用于果冻中甜蜜素含量的测定，本论文对光谱数据的采集、光谱预处理、波长选择以及模型的建立都做了较深入的研究，为以后开展该方面的研究提供了一定参考依据。