近年来,食品安全事件造成了严重的危害,食品检测显得愈发重要。传统的食品检测技术都存在着各自的局限性,而拉曼光谱技术具有快速、无损、检测灵敏度高、检测范围广等优势。针对小样本、高维数、非线性问题提出的支持向量机算法(Support Vector Machine,SVM)在模式识别领域得到了广泛的应用。已有学者将拉曼光谱技术和SVM相结合实现了对食品的定性分析,但在分析过程中目前尚无一种好的SVM参数选取方法。综上,为了快速、无损地鉴别胡萝卜汁种类,本文利用SVM识别胡萝卜汁的拉曼光谱,主要的研究工作如下:为了提高SVM的分类性能,针对其惩罚因子和核函数参数的选取问题进行了深入研究,利用粒子群优化算法(Particle swarm optimization,PSO)进行SVM参数寻优构建分类器pso SVM。为弥补此分类器的缺陷,采用模拟退火算法(Simulated annealing,SA)对其进行改进,构建分类器sapso SVM并在数据集上验证了其分类性能。研究结果表明,相比pso SVM,本文提出的sapso SVM分类器的分类性能更优。这项工作不但为SVM参数寻优提供了一种新方法,而且也为拉曼光谱信号的识别打下了良好基础。进一步提出将拉曼光谱技术和模式识别算法结合应用于胡萝卜汁种类鉴别问题中。首先,对采集的胡萝卜汁拉曼光谱信号用Savitzky-Golay滤波法(Savitzky-Golay Filter,SGF)进行平滑去噪,并用自适应迭代重加权惩罚最小二乘法(Adaptive Iteratively Reweighted Penalized Least Squares,AIRPLS)校正基线,再对数据进行归一化;其次,用主成分分析(Principal Component Analysis,PCA)和广义判别分析(Generalized Discriminant Analysis,GDA)进行数据降维;最后,使用K最近邻(K-Nearest Neighbor,KNN)、BP神经网络(Back Propagation Neural Network,BPNN)、pso SVM、sapso SVM四种分类器对降维数据进行分类,建立8种分类模型并对比分析其分类性能。结果验证了拉曼光谱技术结合模式识别算法在胡萝卜汁种类鉴别上的可行性。研究结果表明,本文提出的分类器sapso SVM比pso SVM具有更优异的分类性能,分类模型GDA-sapso SVM能以92.38%的分类准确率有效识别胡萝卜汁拉曼光谱,研究为鉴别胡萝卜汁种类提供了一种高效便捷的新方法。