蜂蜜是具有重要营养价值和医疗保健作用的天然食品。对蜂蜜质量的检测一般包括理化参数分析、品种鉴别、产地鉴别和真伪检测。高效、快速、低成本检测蜂蜜质量是有效监控蜂蜜质量的前提条件之一。近红外光谱技术具有高效、快速、低成本和绿色环保等常规分析方法无可比拟的优点。开展蜂蜜质量近红外光谱分析技术研究对保证蜂蜜质量、保护消费者权益和保障蜂蜜产业健康发展具有重要意义。本课题的主要研究内容及得到的结论如下：(1)研究了薄膜袋透反射、样品杯透反射和样本池透射三种不同方式下采集的蜂蜜近红外光谱的重复性,确定样品杯透反射光谱和样本池透射光谱重复性好。进一步比较这两种方式下采集的光谱所建模型的预测能力后,确定样品杯透反射方式为蜂蜜近红外光谱采集的较合理方式。(2)通过考察扫描次数和分辨率对光谱响应特性和对模型预测能力的影响,确定采集蜂蜜近红外光谱时,扫描次数取32次、分辨率取8cm-1为宜。(3)用近红外光谱结合偏最小二乘法(PLS)对蜂蜜的12个主要理化参数值进行了定量分析。这12个理化参数包括可溶性固形物含量(SSC)、水分、还原糖、pH值、总酸度、电导率、果糖、葡萄糖、蔗糖、麦芽糖、果糖/葡萄糖和葡萄糖/水。PLS模型对蜂蜜中SSC、水分、还原糖和果糖/葡萄糖的定量分析结果好：验证集预测均方根误差(RMSEP)依次为0.1795、0.1696、1.5270和0.0344,真实值和模型预测值的相关系数(Rp)依次为0.9989、0.9989、0.9191和0.9749。对其它8个理化参数用蒙特卡罗交互检验法(MCCV)剔除奇异样本,再用竞争性自适应重加权采样(CARS)变量选择法结合PLS回归来优化模型,优化后的PLS模型的预测能力都有明显提高。优化后模型对蜂蜜pH值、总酸度、电导率、果糖、葡萄糖、蔗糖、麦芽糖和葡萄糖/水的RMSEP分别为0.1196、0.4674、2.6827、0.4955、0.5704、0.5711、0.2578和0.0394,Rp分别为0.9058、0.9083、0.9679、0.9845、0.9879、0.9386、0.9586和0.9809。(4)选择4200～5400cm-1的光谱范围,分别采用马氏距离判别分析法(MD-DA)、偏最小二乘判别分析法(PLSDA)和径向基函数神经网络法(RBFNN)对5个品种(苹果、油菜、枣花、枸杞和荆条)蜂蜜进行植物来源的判别分析。MD-DA模型和RBFNN模型对验证集的判别总正确率都达到了94.0%,而PLSDA模型只有78.0%。表明近红外光谱结合MD-DA法或RBFNN法具有快速识别蜂蜜品种的潜力。(5)光谱用小波变换(WT)进行变量压缩和滤噪。结合滤波前后的光谱信息,分别用RBFNN和PLSDA建立了苹果蜜产地和油菜蜜产地的判别模型,并对验证集进行预测。对苹果蜜,PLSDA、WT-PLSDA、RBFNN和WT-RBFNN模型对验证集的判别总正确率都为96.2%；对油菜蜜,PLSDA、WT-PLSDA、 RBFNN和WT-RBFNN模型对验证集的判别总正确率分别86.4%、90.9%、81.8%和86.4%。结果表明：不同品种蜂蜜的产地判别,同样的建模方法所得预测结果会存在较大差异；线性的WT-PLSDA模型比非线性的WT-RBFNN模型可能更适于峰蜜产地判别；近红外光谱技术具有快速识别蜂蜜产地的潜力。(6)真蜂蜜样本中分别掺入高果玉米糖浆(HFCS)=甜菜糖浆(BS)、麦芽糖浆(MS)及这三种糖浆的混合物,采集掺假前后蜂蜜样本的近红外光谱。分别用距离匹配法(DM)、MD-DA和PLSDA法对真假蜜进行定性判别分析,结果表明PLSDA模型的判别结果最好：验证集的判别总正确率依次为82.4%、90.2%、90.2%和80.4%。当分别用这三种判别方法对掺假物类型进行判别分析时,只有DM模型和MD-DA模型能较好地识别MS掺假物,验证集的判别正确率都为82.4%。用PLS回归法对不同掺假物的掺假量进行定量分析的结果表明：同一蜂蜜样本掺假,掺假物的定量分析结果好,但这不具现实意义；同一品种或不同品种蜂蜜掺假,只有MS掺假物的定量分析结果较好。(7)真蜂蜜样本中掺入果糖和葡萄糖的混合溶液,采集真蜂蜜与掺假蜜的近红外光谱。用WT对光谱进行变量压缩和去噪,选择径向基核函数(RBF)作为最小二乘支持向量机(LS-SVM)算法的内核函数,用网格搜索法寻优,得到回归误差的权重(γ)和RBF核的核参数(σ2)分别为222.822和45.170。建立的LSSVM模型对验证集的判别总正确率为95.1%,高于支持向量机算法(SVM)、反向传播人工神经网络法(BPANN)、K最临近距离法(KNN)和线性判别分析法(LDA),表明LSSVM算法比SVM、BPANN、KNN(?)口LDA算法具有更好的泛化能力。近红外光谱技术具有快速识别蜂蜜中掺入混合糖的能力。