珍稀木材种类繁多,而不同材质的珍稀木材价格相差甚远,巨大的利润空间导致市场上的一些厂商,以假乱真,以次充好,从中牟取暴利,而消费者对其真伪难以或无法鉴别。近年来,国内外研究表明基于近红外光谱技术可实现木材的准确、快速、无损鉴别,但是研究还没有深入到对中国市场上一些易混淆的珍稀木材家具的近红外快速鉴别,难以适应市场的需求。本论文通过对6种珍稀木材原木与10种珍稀木材家具的光谱特征分析和光谱预处理方法研究,提出珍稀木材原木与家具光谱的最优预处理方法。根据最优预处理方法,分析珍稀木材原木与家具的光谱差异,然后分别采用SIMCA、PLS-DA、ELM、LS-SVM和PNN 5种建模方法建立了基于1000~1650 nm范围内的珍稀木材家具初始判别模型,通过模型判别结果比较分析可知,SIMCA、ELM和PNN模型判别效果较好。为提高模型判别精度,再进一步对模型进行优化研究,经主成分分析、去除包络线法和MC-UVE-SPA分别提取特征波长后,特征数目将近减少77%,96%和97%,通过比较发现当选择MC-UVE-SPA提取的特征波长点作为模型输入变量时,5种建模方法下的模型识别率和拒绝率达到最高,其中以ELM模型的判别效果最好,总判别正确率达到99.77%。在此研究基础上,将近红外光谱技术和现代物联网技术结合,设计了一个基于云计算的珍稀木材快速鉴别物联网系统,详细设计了该系统的架构、功能和运行流程,并在Windows系统下实现了基于C/S(Client/Server)结构的珍稀木材快速鉴别物联网系统。通过系统的实际运行,验证了利用该系统能够实现珍稀木材的快速、在线和无损鉴别。