本论文基于本课题组自行研制的近红外液态在线检测试验台,以牛奶为研究对象,以实现牛奶主要成分蛋白质和脂肪含量在线检测为目标,综合多学科的知识对近红外光谱数据中的信息提取和模型建立中遇到的关键问题给出了解决方案,论证了该技术的可行性。该研究对实现牛奶成分含量快速、实时、准确的检测具有重要的指导意义和参考价值。主要有以下研究内容:　　 1.以实现牛奶光谱在线检测的可行性和稳定性为原则,基于本近红外在线检测设备,对试验的各项参数(本底、扫描次数、牛奶温度、流速、光纤探头光程)进行了优化,这些参数的优化为牛奶样品光谱采集提供了参考；　　 2.比较了多种预处理方法的效果,找出了蛋白质和脂肪的最佳预处理方法,同时探讨了MSC方法在本试验中的可行性并分析了原因；比较了各预处理方法对不同温度下预测模型的预测效果,表明了仅使用光谱预处理方法不能消除温度对模型的影响,无法建立温度稳健模型；选择了蛋白质和脂肪最佳建模波段,然后利用偏最小二乘法分别建立了牛奶样品的蛋白质和脂肪校正模型并对模型的预测性能进行了评价,蛋白质预测模型相关系数、预测均方差和平均偏差分别为:0.9067、0.3087和0.2017；脂肪预测模型相关系数、预测均方差和平均偏差分别为:0.9299、0.3996和0.2461。结果表明:本试验建立的牛奶蛋白质和脂肪的模型预测性能较好,基本上可以满足牛奶成分的在线检测精度要求；　　 3.模型的稳健性是评价在线近红外分析技术的一个重要指标。在26℃-41℃范围内,研究了温度对预测牛奶成分的影响。把36℃下建立的校正模型用来预测不同温度下的验证集发现,36℃下建立的牛奶成分模型只对相同温度下的预测模型有效,这说明了样品温度对预测结果的重要性；　　 4.采集了不同温度下牛奶的光谱组成温度补偿校正集,通过补偿校正方法的引入,建立了温度全局模型,实现了模型对温度因素的稳健性。补偿校正方法的引入虽然在一定程度上降低了预测模型精度,但该方法简单可行,还可用于建立其他影响因素(如一些难于控制的干扰因素:气泡、压力、样品状态等)的稳健预测模型。该方法为进一步研究在线近红外分析模型稳健性提供了重要的参考。