川贝母是一种价格昂贵的中药材,在临床实践中治疗效果好,但产量低、需求高,存在假冒伪劣现象,传统针对川贝母品质的定性鉴别定量检测方法已经严重滞后于中药材检测市场的发展。太赫兹波的频率位于0.1-10.0 THz区间,介于微波和红外之间,属于远红外电磁辐射,在此频段范围内可观测到分子间作用力、晶格振动、分子集体振动等微观过程。近年来太赫兹光谱技术发展迅速,被广泛应用于化工制药、生物材料、食品医疗等领域的无损检测。本研究从名贵中药材川贝母入手,针对交易市场上出现的实际问题,探索利用太赫兹时域光谱技术对川贝母品质进行检测的可行性,通过大量的实验,结合化学计量学方法研究川贝母的光学特性,建立模型达到检测鉴别川贝母品质的目的。具体研究内容如下:第一、应用太赫兹时域光谱系统（THz-TDS）针对四种常见产地的贝母（川贝母、平贝母、伊贝母、浙贝母）进行鉴别,其中川贝母十分名贵,其他贝母相对较为廉价,分别采集其光谱数据并用多种不同方法进行预处理。先建立各类贝母之间的偏最小二乘判别（PLS-DA）二分类模型,平均正确率达到98.611%;再采用主成分分析（PCA）提取光谱数据主要特征,利用随机森林（RF）、支持向量机（SVM）、反向传播神经网络（BPNN）分别建立多分类模型。结果表明:SNV-SVM建立的多分类模型预测正确率高达97.490%,且模该型的训练时间最短为32.775秒。表明利用太赫兹时域光谱技术鉴别川贝母产地是可行的。第二、以纯川贝母粉及含五种市场上常见的掺假物（大米粉、葛粉、红薯粉、平贝母粉、小麦粉）的样品为研究对象,分别建立的PLS-DA二分类模型与SVM多分类模型。建立SVM模型时,选用网格搜索与粒子群优化算法（PSO）对模型参数进行优化;PLS-DA二分类模型鉴别正确率均为100%,采用Normalize结合MSC进行光谱预处理,建立PSO-SVM多分类模型效果最优,预测集的判别正确率为95.667%,且均方根误差最小为0.432。结果表明:利用THz-TDS可以判别川贝母粉中是否存在掺假物以及能够鉴定掺假物的种类。第三、利用THz-TDS采集掺假浓度不同（0%-100%,浓度梯度为5%）的川贝母粉混合样品光谱,其中掺假物为与川贝母成分最为相似的平贝母。先分别采用四种不同且常见的光谱预处理方法（移动平均平滑、Normalize、SNV、MSC）对样品0.5-3.0THz范围内的光谱数据进行处理,再采用四种变量筛选方法（PCA、CARS、UVE、SPA）对预处理后的数据进行特征提取。最后,选择RBF＿kernel、Lin＿Kernel两种核函数建立LS-SVM模型时选择,并对比建模效果。结果显示:采用移动平均平滑预处理,PCA进行特征提取,选择RBF＿kernel核函数建立的定量检测模型最优,RMSEC为0.084,Rc为0.973,RMSEP为0.084,Rp=0.972。研究结果表明,THz-TDS结合适当的化学计量学方法用于定量检测川贝母粉含成分相似的掺假物时,效果显著。