傅里叶变换红外光声光谱技术是一种基于光声效应的样品信息采集技术，该技术不是基于样品对光的反射或透射，而是基于对光的吸收而获取样品组成信息，具有采样速度快、无需样品前处理、不受样品形态限制、无散射光干扰、可以原位逐层分析等诸多优点。利用傅里叶变换红外光声光谱技术对农产品进行快速无损品质检测与质量评价，是红外光声光谱技术新近拓展的应用领域之一。油菜是重要的油料作物，在我国农业生产中占重要地位。油菜籽快速无损质量检测对油菜籽品质育种和油菜籽商品市场监控具有重要意义。　　本论文利用傅里叶变换红外光谱技术，结合化学计量学方法，对不同品种的油菜籽样品和不同颜色的油菜籽样品分别进行了定性鉴别，对油菜籽的氮、磷、钾和镁等养分含量以及蛋白质含量、含油量、芥酸和硫苷含量等品质参数分别进行了定量分析。本文主要研究的结果概述如下:　　1、油菜籽的红外光声光谱信息丰富，谱峰归属比较明确，很好地反映了油脂、蛋白质和纤维素等油菜籽的化学组成，为进一步定量和定性分析奠定了数学基础。　　2、采用线性判别分析、偏最小二乘判别分析和支持向量机等模式识别方法对三个不同品种的油菜籽和三种不同颜色的油菜籽进行了鉴别分析。结果表明，支持向量机对油菜籽品种和颜色都获得了最佳的鉴别结果。对于品种鉴别，支持向量机模型的校正集和预测集的鉴别误差率均为零。利用连续投影算法优选28个建模变量，重新建立支持向量机模型，所得校正集和预测集的鉴别误差率仍然均为零。对于颜色鉴别，支持向量机模型的校正集和预测集的鉴别误差率分别是1.1％和2.3％。由此可见，红外光谱技术也可以成功应用于油菜籽品种与颜色的鉴别分析，且非线性的支持向量机方法比线性判别分析和偏最小二乘判别分析有更强的分类鉴别能力。　　3、采用偏最小二乘和最小二乘支持向量机等多元校正方法，建立了油菜籽氮、磷、钾和镁等养分含量以及含油量、蛋白质含量、芥酸和硫苷含量等品质参数的定量分析模型。氮、磷、钾和镁的各最优模型的预测均方根误差(RMSEP)分别为0.0642％、0.022％、0.0227％和0.0032％，RPD值分别为2.54、2.10、2.25和2.50。含油量、蛋白质含量和芥酸含量的各最优模型的RMSEP值分别为0.877％、0.396％和0.139％，RPD值分别为2.79、3.22和2.04。低硫苷和高硫苷样本分开建模，各最优模型的RMSEP值分别为2.27μmol g-1和8.13μmol g-1，RPD值分别为2.14和2.31。研究表明，应用红外光声光谱技术快速无损测定油菜籽的养分和品质参数是可行的，并获得了满意的预测精度。对于离子态钾、镁养分的预测，非线性的最小二乘支持向量机校正好于线性的偏最小二乘方法，且建模前，对全谱数据进行变量或区间筛选，可以减少建模变量，降低模型复杂性并改善模型预测精度。