多年来,指纹图谱技术被广泛用于食品和中草药的质量控制中,包括食品和中草药来源确认、活性成分分析以及掺假的鉴别。指纹图谱技术具有差异性、模糊性和整体性的特点,每一个食品和中草药都具有其特定的化学指纹图谱,能够从整体和全局上反映研究对象的化学特性,只需对指纹图谱对应的强度信号进行分析即可得到不同样品之间的差异及相似性,达到鉴别及质量控制的目的。本文通过构建菊花茶样品的高效液相色谱和气相联用质谱的指纹图谱,以及构建脱水番茄和紫薯的近红外光谱,进而利用化学计量学方法对指纹图谱的数据进行数据处理和信息提取,达到对菊花茶、脱水番茄和紫薯质量控制、质量评价及质量预报的目的。主要研究内容及结果如下:1.建立了一种快速无损的近红外光谱法结合化学计量学方法用于区分来自不同生产厂家的脱水番茄。本研究采集了来自于四个厂家的脱水番茄的近红外漫反射光谱数据,然后对这些光谱数据进行多元散射校正(MSC)前处理,分别以全光谱数据和由遗传偏最小二乘(GA-PLS)算法提取的特征变量为输入变量进行主成分分析(PCA),结果表明由于全光谱波段包含了噪音不利于区分不同来源的脱水番茄样品,而GA-PLS将遗传算法和偏最小二乘算法有机结合起来,能有效的提取特征变量,从而得到更好的PCA分类结果。通过偏最小二乘回归(PLSR)和径向基函数人工神经网络(RBF-NN)法建立近红外光谱校正模型用于定量预报脱水番茄中的几个重要化学成份指标如番茄红素、总酸、总糖、总酚及总抗氧化活性。比较这两种化学计量学模型对几个重要化学成分的预报结果可知,两种模型都能有效预报脱水番茄中总酸、总糖、番茄红素、总酚及总抗氧化活性的含量。而RBF-NN对脱水番茄中总酸、总糖、番茄红素、总酚及总抗氧化活性的含量预报能获较满意的结果,略优于传统的PLSR模型。2.建立了一种快速无损的近红外光谱法结合化学计量学方法用于区分纯紫薯粉、纯红薯以及掺杂红薯的紫薯样品。本研究采集了红薯掺杂度分别为0%、20%、40%、60%、80%和100%的紫薯粉的近红外光谱图,并进行了标准正态变换(SNV)前处理,分别以GA-PLS算法和以连续投影算法(SPA)提取的特征变量作为输入变量,建立K最近邻(KNN)和线性判别分析(LDA)两种识别模型,对紫薯粉中的红薯粉的掺杂度进行判别预报,发现SPA能够更有效地选择特征波长变量。近红外光谱结合变量选择化学计量学方法能够用于区分不同掺假度的紫薯粉,并对紫薯粉的掺假度进行定量预报。本工作还建立径向基函数偏最小二乘(RBF-PLS)近红外多元校正模型用于定量分析紫薯样品中的总花色苷含量和总抗氧化活性,获得比较好的预报结果。3.通过构建菊花全轮廓液相色谱指纹图谱和气相-液相二维色谱指纹图谱,结合不同的化学计量学方法对不同的菊花栽培品进行鉴别和对未知菊花茶样品的品种进行判断。方法一:构建菊花全轮廓液相色谱指纹图谱,首先采用相关优化翘曲(COW)和自适应迭代加权惩罚最小二乘法(airPLS)对HPLC指纹图谱保留时间漂移和基线漂移的进行校正,采用PCA鉴别不同栽培品种菊花茶,然后建立偏最小二乘(PLS)、连续幂回归(CPR)和K最近邻(KNN)模型对未知样品信息的预报,采用椭圆置信区间法(EJCR)用于评价这三种有监督模式识别方法的预报能力。方法二:以两种色谱法所匹配的共有峰建立菊花的HPLC-GC-MS二维色谱指纹图谱,采用PCA对这些色谱峰进行特征变量提取,再将这些特征变量输入PCA和核主成分分析(KPCA)模型进行识别,可以对不同菊花栽培品种进行有效分类。本工作还采用4种有监督模式识别方法:RBF-NN,最小二乘支持向量机(LS-SVM),线性判别分析(LDA)和KNN对未知菊花样品的种类进行有效预报。