气雾剂是一种通过加压制备的制剂,常见产品包括杀虫剂、清新剂等。由于此类产品常包含易燃易爆的气体成分,若封装不合格则将泄漏累积,进而可能在密集储存过程中爆炸,造成重大损失。传统的气雾剂检漏方法为恒温水浴法,具有抽检率低、耗水耗时的缺点,无法满足行业中日益严格的监管需求。近年来,基于光谱学的气体检测技术,具有效率高、无接触的优点,为气雾剂产品的泄漏检测提供了可能。因此,研发基于中红外吸收光谱的气雾剂检漏系统,对气雾剂产业的安全生产具有重要意义,本文主要研究并搭建了基于红外吸收光谱技术的泄漏检测系统,具体如下:（1）通过检测并分析气雾剂产品的吸收光谱,结合官能团化学性质,确定光谱中最显著吸收峰的来源。进一步地,为解决背景气体的干扰问题,检测分析灌装车间空气的吸收光谱。针对背景气体吸收光谱的基线漂移问题,提出了基于BEADS算法的基线消除降噪算法。最终,结合常见干扰气体的HITRAN数据,通过模拟背景气体和水蒸气干扰下的丙丁烷吸收谱线,验证了以丙丁烷2967（88）-1处的吸收特征作为目标吸收峰的可行性。（2）为了解决直接吸收光谱需要扫描零吸收波段且精度不足的问题,使用波长调制技术将测量量转移至高频区间。针对波长调制需要精细调参的局限性,提出了基于吸光度曲线洛伦兹线型拟合的自动定参算法,在确定调制波中心值的同时进行机器自检。为解决谐波曲线计算复杂的问题,搭建了基于simulink实验系统模型,通过仿真确定了谐波特性。最终,针对基于二次谐波的气体浓度反演依赖标气标定的缺点,被一次谐波归一化的二次谐波作为定性判定依据,避免了对标准气体的依赖。（3）由于不同气雾剂产品应当设定不同的泄漏判定阈值,提出了基于气雾剂图像的分类算法。预处理阶段中,提出结合Lab颜色空间上的大津分割与霍夫变换直线检测,从而避免背景中无关特征在网络训练中的干扰。针对原始图像中产品角度不同且可能残缺的问题,建立了Densenet深度学习网络,通过两类气雾剂产品的分类实现了检测阈值的自动切换。（4）搭建了气体浓度检测光学模块,选取带间级联激光器作为中红外光源,配合碲镉汞中红外探测器采集光强。同时,为累积吸收量提高精度,使用长光程吸收池多次反射光束。为满足中红外光路调节的需求,设计并搭建了两套分别基于空间光和光纤的耦合系统,结构紧凑且适用于维护人员的光路调试。进一步搭建了包含筛除气路、产品计数功能的系统样机,测试了一批水浴法判定泄漏的罐体,实现了不低于85%的正确率,表明了基于光谱学的气雾剂泄漏检测的可行性。