我国中药生产正处于从传统的经验开发到中药工业数字化、智能化建设的转型升级阶段。目前中成药生产过程的质量控制普遍存在检验滞后于生产、检验成本高、缺乏在线检测手段等问题,阻碍了中药国际化、现代化的进程。近红外光谱技术（NIRS）作为一种高新分析技术,具有分析速度快、样本无需预处理、分析成本低、不破坏样本等特点,可以真正实现对生产过程的实时监测。针对目前传统中成药企业质量控制的困境,本研究将NIRS引入到传统中成药生产质控领域,把NIRS应用中间产品的日常检验中,加快检验速度,节约检验成本,为在线质量控制建立基础,具有实际应用价值和经济效益。本文主要研究成果如下:首先,应用NIRS建立了舒筋健腰丸粉、上清丸粉、咳喘顺丸粉、乌鸡白凤丸粉,千金保孕丸粉这五个品种的定性鉴别方法。通过定性分析和合格性测试方法建立的模型,能把5种外观相似的中间粉区分开来。首次把近红外的定性鉴别应用在中成药生产防污染、混淆的过程中,提高产品质量,为近红外在中成药的生产过程中的定性鉴别应用提供了新思路。其次,应用NIRS建立了舒筋健腰丸粉、补脾益肠丸外层粉、内层粉、淫羊藿干膏粉的水分及活性指标成分的快速定量方法,以实现中间产品的快速检测,提高生产效率。通过采用常规化学实验分析方法（烘干法、HPLC、UV）测定大量样品的实验室分析值（水分、活性指标成分）,同时采集样品的近红外光谱数据。然后将实验室分析值和近红外光谱结果利用数学建模的方式结合起来,优化影响模型参数的条件（光谱预处理、波段筛选、最佳维数选择等）,通过偏最小二乘法（PLS）建立质量控制定量检测的近红外分析模型。最后对模型进行验证并通过实际样品检测来考察模型的优劣及可行性。从而得到了4个活性指标成分和4个产品的水分的预测模型。4个活性指标成分的预测模型,包括（异）补骨脂素模型、芍药苷模型、淫羊藿苷模型、总黄酮模型,其R~2CAL分别为87.05%、95.51%、97.33%、80.8%;RMSEE分别为0.0424、0.307、0.117、2.37;R~2CV分别为82.43%、90.14%、96.11%、74.63%;RMSECV分别为0.0516、0.156、0.35、2.52。4个产品的水分的预测模型,包括舒筋健腰丸粉、补脾益肠丸外层粉、补脾益肠丸内层粉、淫羊藿干膏粉水分模型,其R~2CAL分别为99.87%、99.39%、98.6%、99.38%;RMSEE分别为0.141、0.131、0.129、0.124;R~2CV分别为99.82%、98.96%、97.41%、98.11%;RMSECV分别为0.16、0.157、0.179、0.192。所有模型的R~2CAL都大于80%,模型性能较为优良。对以上8个定量模型的预测性进行了验证,预测值的相对偏差都不超过10%,模型的预测性良好。另外尝试应用基于深度学习框架的卷积神经网络算法（CNN）,对补脾益肠丸内层粉水分样品建立近红外光谱定量预测模型,其R~2为95.70,RMSECV为0.27,模型效果较优,但相比同批建模数据由PLS算法建立的模型稍微逊色,分析得出可能是由于建模样本数量的限制导致的。实验结果与预设成果一致,理论上建模样本数量低于300批时,暂时不能体现出CNN算法建模的优势。综上所述,本文应用了近红外光谱,对中成药的中间产品分别建立定性和定量检测方法,此方法能应用在日常生产检验中,节省检验的时间、人力、物力、成本,具有实际的应用价值和经济效益。