乳制品质量安全问题日益突出,发展乳制品的品牌鉴别与质量统计过程控制研究迫在眉睫。一方面,由于不同品牌乳制品外表形态差异不大造成大量乳制品掺假造假,亟需建立不同品牌乳制品的快速有效鉴别方法;另一方面,乳制品生产制造商要加强自身生产过程质量控制,提高乳制品生产质量,进而由内及外全面推进乳制品质量安全管理。因此,本文进行了乳制品的品牌鉴别与质量统计过程控制研究,主要包括以下三方面内容。针对乳制品质量数据（拉曼光谱数据）采集与处理,首先给出了乳制品拉曼光谱数据的采集方法,并进行了数据结构分析;其次通过对多元散射校正,Savitzky-Golay多项式平滑和小波降噪三种处理方法的对比分析,发现三种方法连用可以有效减小数据基线偏移和噪音等误差;最后提出了基于稀疏主成分分析（SPCA）方法的特征向量提取,对比主成分分析（PCA）方法,发现SPCA方法既能有效提取特征,又能实现特征归属解析,同时还给出计算拉曼光谱特征峰面积的特征提取方法。针对基于多核学习的乳制品品牌鉴别,首先通过Kennard-Stone方法进行了训练集和测试集选取;然后通过核函数选择与参数优化实验,得到利用SPCA方法提取的特征建模,设置多项式核函数+径向基核函数加权线性组合合成核,参数为d（28）0.6,q（28）1,?（28）0.01,达到品牌最高平均识别率99.83%;利用特征峰面积建模,设置径向基核函数+径向基核函数加权线性组合合成核,参数为d（28）0.4,?₁（28）0.01,?₂（28）0.02,达到品牌最高平均识别率99.61%;最后通过方法对比实验进一步验证了模型的合理性和有效性。针对基于贝叶斯方法的乳制品质量统计过程控制,首先给出了贝叶斯理论下控制图控制线和过程能力指数的计算方法;然后利用乳制品拉曼光谱数据与平均光谱数据之间的欧氏距离作为质量特征值,通过贝叶斯方法的质量控制图和过程能力分析实现了乳制品质量统计过程控制,结果表明,贝叶斯方法充分利用检测样本先验信息,随着有效批次的增加,贝叶斯方法控制图控制线与理论控制线之间差异逐步减小,贝叶斯过程能力指数和不合格率也表现比常规方法更加可靠,并能在早期发出质量预警。