近红外光谱(NIR)技术是近年来发展最快的测定技术之一，具有无损、快速、高效、方便等特点，适合于种子品质性状的测定和分析。由于该技术测定的准确性、可靠性、适用范围等都依赖于以常规测定方法为基础建立起来的校正分析模型。NIR分析技术所建立的校正模型具有专一性强的特点，需根据不同的样品种类和状态以及不同的分析内容等逐项开展研究，建立相应的校正分析模型，才能发挥其优越性。因此，该技术应用的关键是建立预测准确、抗干扰能力强的校正分析模型。 本研究的目的是根据NIR分析仪的特点和性能，重点研制和开发种子品质性状的校正分析模型，以便进行快速大批量测定，大幅度降低分析成本，提高分析测试水平和效率以及仪器使用率；同时，结合作物品质育种研究中品质成分分析的实际情况，探讨微量样品、甚至单粒无损测定的技术和方法，开拓和扩大NIR分析仪的应用范围和领域。 本研究选用了水稻、油菜、大麦、玉米等作物种子为研究对象，广泛收集和人工创造不同类型的种子样本材料。进行重要品质性状的常规分析和测定，收集多种样品状态的NIR信息，以此组成NIR分析的原始群体。依据实际应用的需要，利用不同的化学计量学方法对不同的种子样品群体进行NIR模型的创建和应用。主要研究结果有：创建水稻常规品质如直链淀粉含量、胶稠度、碱消值、粘滞度(RVA)的NIR校正分析模型，具有分析准确，可靠、适用性广的特点；发展了蛋白质含量和多种氨基酸指标校正模型，进一步拓展了NIR技术在水稻稻米营养品质分析中应用范围。同时发展了适于遗传育种研究用的油菜籽油分、蛋白质、硫甙和脂肪酸品质测定的分析模型，具有大样本、小用量、整粒无损分析等特点；进一步发展了大麦的蛋白质和葡聚糖快速测定的NIR技术分析模型；构建了能准确测定玉米种子水份和蛋白质的NIR校正模型。在创建各种NIR校正分析模型的同时，探索各主要作物种子品质分析的校正集选择方法和参数以及构建模型时的各参数优化设置，为建立规范的分析方法奠定基础。