面粉是人们日常饮食中主要的粮食之一,其品质问题一直为大家所关注的焦点。在面粉的评价指标中,呕吐毒素（Deoxynivalenol,DON）的含量是否符合标准在食品安全方面具有重要意义。DON因其广泛存在于小麦、玉米、麸皮、米糠等原料中,对人类身体健康和养殖业有很大的影响。因此开发一个可以高效、低花费且实用于在线的检测方式对于面粉的放心生产和加工有着重要意义。光谱分析技术因其无损、快速、高效等优点在众多领域中取得了广泛的应用。本文将基于光谱技术对面粉中DON含量的检测方法进行研究。主要研究内容和相关成果如下:（1）采用傅里叶变换中红外光谱（Fourier Transform Infrared Spectrometer,FTIR）技术对面粉中的DON含量进行定量检测。过程中采用极性溶剂和离心的方式对面粉样本中的DON进行富集处理,提升了面粉中DON浓度。采集富集前后样本FTIR光谱,用马氏距离法剔除了异常样本,Kennard-Stone算法合理划分样本集,对光谱适当预处理后,采用多种方法提取特征波段,基于BP神经网络和偏最小二乘回归（PLSR）建立了定量预测模型。结果显示,以趋势参数分析法提取特征波段,结合BP神经网络建模效果最优。分离富集前,所建模型Rp2、RMSEP、RPD分别为0.89、0.23mg/kg、7.26,分离富集后,所建模型Rp2、RMSEP、RPD分别为0.95、0.74mg/kg、10.14,较处理前的预测精度有着明显的提升。说明采用富集处理加FTIR技术,可以对DON含量较低的面粉进行检测。（2）国家标准中面粉DON含量的限量指标在1mg/kg,因此面粉加工处理过程前,可以适当提高检测限制至2mg/kg。据此可以将面粉分为轻度（DON<1mg/kg）、中度（1mg/kg<DON<2mg/kg）、重度（DON>2mg/kg）污染三个等级,采用近红外光谱（Near Infrared,NIR）技术对面粉中的DON含量进行分类判别检测。采用趋势参数法、主成分分析法提取特征波段,对比采用全光谱波段,基于二次判别分析（QDA）和随机森林（RF）构建了多元分类模型。结果显示,采用全光谱波段建模时,虽然整体能够达到85%的预测准确率,但是存在过拟合现象,趋势参数法大大的降低了样本的维度,同时在判断DON污染水平时要优于其他方式所建模型,预测集整体分类的准确率达到了90%,表明特征波段提取算法可以在降低数据维度的同时保留数据的有效信息。说明采用NIR技术,可以有效地快速对面粉DON污染等级进行分类。（3）选用海洋光学光谱仪,延用上一步中趋势参数法所提取的特征波段和建立的QDA分类判别模型。基于这个完整的TP-QDA分类模型和Matlab-GUI平台开发了面粉呕吐毒素近红外光谱检测仪,可以根据面粉近红外光谱数据,预测面粉中的DON水平,可以在一定范围内实现面粉的快速分类。仪器完成后,选用新一批样本检验其精度,结果显示,在中度污染水平预测准确率可以达到93.8%,整体预测准确率为82.14%,且仪器易于携带、软件便于部署、整体使用方便,具备推广使用的条件。以上结果表明基于光谱技术对面粉DON含量进行检测是一种快速而有效的方法,光谱仪结合Matlab-GUI平台所开发的软件,具备便携性和低价格等优点,有利于改进我国食品安全质量水平以及工作效率,有着相应的参考价值。