近年来,随着人们对营养健康的日益重视,乳制品在国内外的消费量迅速增加,成为人们,特别是婴幼儿摄取营养的重要途径之一。然而由于利益驱使及监管制度不完善等问题,部分不法商贩掺假造假问题严重,引发了“三聚氰胺”等一系列食品安全事件,引起了全社会对乳制品安全问题的高度关注。在乳制品安全检测中,多以质谱、色谱等检测方法为主,尚存在样品前处理复杂、费时费力且费用高的缺陷。在我国当前物力、人力的双重限制下,相关检测方法无法推广到广大基层,难以适应我国当前日益严峻的乳制品安全问题。在众多的检测手段中,拉曼光谱和红外光谱检测技术以其快速、灵敏、高通量等优点脱颖而出,不仅能够极大节省样品前处理时间,同时又具备满足大批量乳粉掺假检测的潜力,具有广阔的应用前景。本论文拟发展光谱融合新技术,将这两种振动光谱相互结合,进而充分利用拉曼和红外光谱的互补特性,从整体上把握乳粉复杂体系的本征信息。由于乳粉的掺杂体系来源多样化,难以采用单一算法进行处理,需要合理应用系统化学计量学策略,逐一建立不同掺杂体系模型。为了有效扣除光谱建模中背景和噪声信号,本文拟采用离散小波变换(Discrete Wavelet Transform,DWT)的多尺度特性对采集的光谱信号进行有效的分解,以有效剥离样品的本征信息。为了进一步删除冗余变量对光谱建模的干扰,论文引入了蒙特卡洛无信息变量消除(Monte-Carlo Uninformative Variables Elimination,MCUVE)、竞争性自适应重加权(Competitive Adaptive Reweighted Sampling,CARS)和随机青蛙(Random Frog,RF)三种新型变量筛选方法,剔除贡献率小及与其他变量密切相关的波长信息,并分别评价相关算法的适用性,进而准确提取出最重要的相关信息。为了验证多光谱融合技术的有效性,论文设计九种典型的乳粉掺杂体系,由此构建偏最小二乘线性判别(Partial Least Squares Discriminant Analysis,PLSDA)模型以判断乳粉掺假情况。研究结果表明,基于DWT-RF-PLSDA算法建立的光谱融合模型,其预测精度高于使用单一光谱鉴别模型。因此,通过多光谱融合技术能够有效结合拉曼光谱和红外光谱自身优势,实现两种振动光谱相互补充、互为校正的目的,进而从整体特征层面上把握乳粉掺假复杂体系的本征信息,有效弥补单一光谱检测的不足。在大量的实验结果对比发现,当DWT-CARS-PLSDA、DWT-RF-PLSDA和DWT-MCUVE-PLSDA三种算法对单一光谱,DWT-RF-PLSDA算法建立的模型具有更高的稳定性和准确率,其原因在于RF算法可准确根据回归曲线的变化量整体评价变量重要性,具备全局的优化特性。同时,基于DWT-RF-PLSDA算法的光谱融合技术可显著提升乳粉掺假分类识别准确率,进而有望为乳粉掺假诊断提供一种实用工具,有力捍卫我国乳品安全,同时为其他复杂体系的定性定量检测提供新思路。