植物纤维原料作为纸浆的原料,其类型对纸浆有着密切的利害关系。纸浆原料鉴别的目的在于确定纸张中纤维的种类、不同加工工艺生产的纸浆类别,这对造纸产品的质量检查、纸张特性的研究和产品的仿制等非常有用。传统的方法是通过在显微镜下对纤维形态的观察,或者通过纤维或纸浆对染色剂的颜色变化来确定。这种方法虽然能够准确地识别纸浆的种类,但其步骤繁琐、耗时耗力。耗时耗力。近红外反射光谱分析技术是一种可用于以原样分析且、速度快、成本低、结果性好和非破坏性的分析方法,在化工、食品、农业等领域已经得到普遍应用,可以解决纸浆鉴别传统方法的缺点。本文结合纸浆原料快速鉴别的需要,以测量的纸浆手抄片近红外漫反射吸收光谱为分析对象,利用模式识别技术开展纸浆原料近红外光谱分类研究。通过实验分析了光谱测定中的误差因素,确定合理的光谱测量方案,完成六类纸浆品的收集、手抄片制样及其近红外光谱信号采集。对纸浆原料的近红外光谱经过滑动平均滤波和一阶微分预处理,基于主成分分析法对纸浆原料进行聚类分析研究,表明采用近红外光谱技术结合聚类分析能对样品正确、快速分类,并分析了影响样品正确聚类的因素,结果表明：漂白工艺对纤维的近红外光谱鉴别影响明显；不同定量的制样方法对分类无显著影响；添加不同类型的助剂,对纸浆原材料的分类无显著影响。分别采用BP人工神经网络和SIMCA法建立六类代表性纸浆原料的近红外光谱识别模型,并着重介绍了SIMCA法应用中关键技术,实现不同种类纸浆原料的鉴别。针对传统的近红外光谱特征提取方法的不足,应用小波变换和分形理论,通过计算纸浆原料近红外光谱的小波分形参量作为特征变量,探讨了将其用于纸浆种类识别的效果。使用小波变换和分形提取特征变量时,只要确定小波函数和小波分解尺度,即可获得光谱的小波分形参量,虽然使用小波分形参量进行特征提取判别纸浆种类时,判别的正确率不是很高,但其小波分形参量特征提取的简洁性是其突出优势,如果通过选择或构造合适的小波函数,或结合简单的预处理,有望提高判别正确率。