本文通过将鸡肉蛋白质近红外光谱特性与组合间隔偏最小二乘法(Si PLS)、遗传算法(GA)相结合筛选校正模型的最佳建模光谱区域,旨在提高鸡肉冻干粉粗蛋白近红外定量预测模型的预测精度和模型稳健性。以260个鸡腿肌冻干粉为研究对象,提取其中100个样品的蛋白质,在999.7～2502.3nm扫描腿肌冻干粉和腿肌提取蛋白冻干粉的NIRS,比较两光谱异同,根据腿肌提取蛋白冻干粉NIRS光谱特征及主成分分析(PCA)结果将全谱划分为10个建模光谱区,采用PLS建模,比较全谱建模与特征光谱组合区建模的优劣,筛选出基于鸡肉蛋白特征光谱的建模光谱组合区,应用Fi PLS和Bi PLS在全谱和优选出的光谱区再次进行建模光谱区域筛选,接着使用GA和FBi PLS进行第三次建模光谱筛选。结果表明:在999.7～1850.4 nm波长上采用FBi PLS法优选出的建模光谱区1811.6～1794.0 nm、1756.2～1722.4 nm、1704.4～1688.9 nm、1594.4～1580.8 nm、1510.8～1485.7 nm、1472.1～1424.3 nm、1222.2～1057.6nm、1051.2～1008.7nm所建模型最优。研究显示,为保证校正模型的精确性和稳定性,在筛选最佳建模波长时,应将样品预测成分的光谱特征与光谱筛选数学算法相结果,才能获得更好的建模结果。