本论文以纺织品为研究对象，结合化学计量学方法，主要从系统参数选择、奇异样品剔除、建立模型等部分深入探讨了近红外光谱技术在快速定量检测纺织品中羊毛含量的一些问题。试验收集了羊毛、棉、丝、涤等纺织品主要原料，根据羊毛含量配制了110个不同浓度的混合样品，以羊毛含量为具体的检测指标。使用WQF-400N型傅立叶变换近红外光谱分析仪测量样品的近红外光谱，通过对比试验，确定仪器的扫描次数、分辨率、样品测量次数与附件。对微分、平滑和附加散射校正等多种光谱预处理方法采用偏最小二乘回归分析，以平均绝对误差、最大绝对误差和预测均方差等3个统计量来评价校正模型的预测精度，结果表明选取一阶微分、5点S-G多项式平滑和附加散射校正是最佳的光谱预处理方法。运用马氏距离法和杠杆算法分析了全部样品的近红外光谱，采用偏最小二乘回归分析，以预测平均误差和预测均方差来衡量预测效果，确定了需要剔除的异常光谱，结果表明马氏距离法比杠杆算法更加适合本研究。最后剔除了4条异常样品光谱，保留了106个样本，通过聚类分析划分了校正集与预测集(其中校正集74个，预测集32个)。进一步运用AKS算法对校正集进行筛选，当剔除了9个样本选择65个定标样本，采用相同的偏最小二乘回归分析方法时，平均绝对误差和预测均方差分别由2.024和2.604减少到1.932和2.371，说明最佳样品集更具有代表性。对剩余的97个样本运用最小二乘支持向量机回归分析，选择RBF核函数，使用三步搜索法对Gamma与γ的范围进行搜索计算，得到了满意的Gamma与γ参数数据点[0.00293，12.785]，回归结果的平均绝对误差和预测均方差分别由2.3230和2.7943减少到1.7144和2.1317，同时三步搜索法还节省了参数选择的运算量。通过以上试验表明：在对羊毛成分进行近红外检测时，一阶微分比原始光谱和二阶微分结果要好，S-G多项式平滑比移动式平滑和指数式平滑结果要好；马氏距离法剔除异常光谱比杠杆算法剔除异常光谱要好；AKS算法对校正集的筛选可以使校正集更加具有代表性；使用最小二乘支持向量机回归，三步搜索法节省了运算量，还可以实现对参数的合理选择。这些为近红外光谱法对纺织品中羊毛成分含量的快速检测提供了借鉴的方法，但是，样品需要经过粉碎才可进行光谱测量，这给真正的现场操作带来了一定的难度，需要进一步的研究来解决问题。