木材顺纹抗压强度和顺纹抗拉强度是研究木材力学强度重要物理指标,使用传统方法对其进行检测,存在时间长,成本高的缺点,且由于木材的各向异性及不均匀性,使得检测操作复杂且准确度低,因此准确地、无损地对其进行检测在实际工程中显得尤其重要。近红外光谱（NIR）分析技术是一种简单便捷、快速有效的无损检测技术,其通过对近红外光谱数据的间接分析建模来实现对木材力学性能的预测,可作为对木材力学强度检测的有效方法。本文以桦木木材为例,根据国家标准制备各100个顺纹抗压强度和顺纹抗拉强度木材力学试件,在900～1700nm的近红外光谱波段上采集光谱数据并测量力学强度真值。根据采集到的光谱数据,首先,采用光谱-理化值共生距离算法（SPXY）算法将样本各以3:1的比例,分为75个校正集和25个预测集。然后,为消除散射光线、基线漂移和噪声干扰所带来的影响,分别采用SG卷积平滑对抗压强度光谱数据和MSC-1ST-SG结合方法对抗拉强度光谱数据作预处理。其次,采用基于模型集群分析（MPA）框架开发的算法去除数据间的冗余性及非信息变量,针对采样子数据集中特征波长数量比例不同会降低预测模型准确性,引入采样误差分布分析（SEPA）作为变量空间迭代收缩算法（VISSA）的改进策略,对桦木抗压强度光谱特征波长采用SEPA-VISSA方法进行优选;针对蒙特卡洛无信息变量消除算法（MC-UVE）,其往往由于光谱数据相互间差异较小及采样随机性所产生波长选取不稳定的情况,采用集成策略对其进行改进,并与迭代变量子集优化算法（IVSO）相结合来解决IVSO在多特征波长的情况下所导致计算过程复杂的问题,即采用CMC-UVE-IVSO混合算法来提取抗拉强度光谱特征波长。最后,针对采用线性预测模型时,由于木材的各向异性及不均匀性,使得光谱特征波长与力学强度真实值之间存在非线性关系,会降低模型的准确性,所以采用基于粒子群算法（PSO）优化核函数参数并建立相关向量机（RVM）的非线性力学强度预测模型。实验结果表明:基于PSO优化核函数的RVM非线性预测模型,其中SEPA-VISSA-RVM桦木抗压强度预测模型,其预测决定系数为0.9449,预测均方根误差为2.0432,相对分析误差为4.2936,而CMC-UVE-IVSO-RVM桦木抗拉强度预测模型,其预测决定系数为0.9684,预测均方根误差为11.7840,相对分析误差为3.3198,这两个模型相较于偏最小二乘（PLS）和极限学习机（ELM）所建模型有更高的预测性能,能够实现对桦木顺纹力学强度更准确和稳定的检测。