面粉供需量大、面粉加工业竞争激烈及消费者消费多元化等因素使得面粉添加剂出现违规或者超量的问题,屡禁不止,常规应用于检测的方法已经不能满足市场上批量、快速、无损、准确的检测要求,亟待一种适用于批量检测、重现性好的检测技术。本试验探究高光谱技术在900～1700 nm波段范围内对面粉中添加剂（偶氮甲酰胺）和非法添加物（滑石粉、过氧化苯甲酰）含量高效无损检测的可行性。具体结果如下:（1）基于高光谱技术对面粉中滑石粉含量进行快速无损检测。采集面粉混合样品反射（R）模式的原始光谱数据,通过unscrambler数据分析软件将R模式的光谱数据分别转化为吸收（A）模式的光谱数据和Kubelka-Munck（K-M）模式的光谱数据,运用标准正态变换（Standard normal variate,SNV）、多元散射校正（Multiplicative scatter correction,MSC）、归一化（Normalization,NOR）和基线校正法（Baseline correction,BC）对三种原始光谱分别进行预处理,建立全波段偏最小二乘（Partial least squares,PLS）预测模型,通过对比全波段模型的性能参数,发现面粉掺滑石粉含量检测模型的最优光谱模式和预处理分别是A模式和BC预处理。为加快模型运算速度,利用回归系数法（Regression coefficients,RC）、连续投影算法（Successive projections algorithm,SPA）、竞争性自适应重加权取样法（Competitive adapative reweighted sampling,CARS）三种特征波长筛选方法,建立PLS模型和多元线性回归（Multiple linear regression,MLR）模型并与全波段预测模型性能相比,可知最佳预测模型是A-BC-RC-MLR,验证集相关系数（rP）是0.992,预测均方根误差（Root mean square error of prediction,RMSEP）是1.784%,剩余预测偏差（Residual predictive deviation,RPD）是8.251。（2）基于高光谱技术结合多种化学计量学算法对面粉中过氧化苯甲酰（Benzoyl peroxide,BPO）的含量进行快速无损预测。高光谱成像系统扫描获得样品R光谱模式下的最初光谱数据,通过光谱模式的转化,分别得到A模式的光谱数据和K-M模式的光谱数据,之后利用高斯滤波平滑（Gaussian filter smoothing,GFS）、Savitzky Golay平滑处理法（Savitzky golay smoothing,SGS）、MSC、和BC四种预处理法构建预测模型,全波段模型的最佳光谱模式和预处理方法分别为R模式和GFS预处理。运用RC、SPA、CARS三种波长筛选方法选择特征波长以简化运算,结果表明最佳的预测模型为R-GFS-RC-PLS,rP为0.989,RMSEP为28.087 mg/kg,RPD为6.269。（3）基于高光谱技术和化学计量学方法对面粉中偶氮甲酰胺（Azodicarbonamide,ADA）的含量进行快速无损检测。获取样品R模式的高光谱图像数据,转化处理为A模式的原始光谱数据和K-M模式的原始光谱数据后,运用NOR、GFS、MSC和BC预处理方法消除仪器和环境的干扰因素,分别构建PLS预测模型,发现最佳的光谱模式为K-M模式,最佳模型的构建是基于原始数据。为减少高维共线性问题,选用RC、SPA、CARS筛选特征波长,简化预测模型,并分别结合PLS和MLR算法优化全波段预测模型,结果表明面粉中ADA含量预测效果最佳的模型是KM-RAW-SPA-MLR,rP是0.996,RMSEP和RPD分别是14.727 mg/kg和11.955。