随着我国居民的生活水平逐步改善和提高,人们对于水磨糯米粉品质评价已从色泽、异味等外观感官品质指标转向到水分、酸度和淀粉含量等内在理化指标。目前,在我国的水磨糯米粉的质量保障体系中,仍然以化学分析和人工判断这两种方法进行其内部品质检测,这些检测方法存在主观性强、专业性强、耗时长等弊端。因此,本研究采用近红外光谱技术,结合化学计量学方法,建立准确度高、稳定性好、环境适应性强的水磨糯米粉内部品质指标定量模型,并研发一款基于Android系统的水磨糯米粉内部品质快速无损检测系统。本研究的主要内容与结论如下:1.针对常规检测方法专业性强、耗时久以及样品有损等问题,开展了水磨糯米粉水分和酸度快速无损检测方法研究。实验利用美国德州微型仪器光谱仪采集得到水磨糯米粉样本的近红外光谱,并采用标准方法检测得到相应的水分含量和酸度值。在此基础上通过化学计量学方法构建水分含量和酸度的定量预测模型。结合光谱预处理方法,使用蚁群算法（ACO）、遗传算法（GA）以及竞争自适应重加权采样算法（CARS）结合PLS建立的化学计量学模型均具有良好的结果。结果显示,利用CARS-PLS建立的水分含量和酸度的模型最佳,水分校正集相关系数Rc=0.9973,预测集相关系数Rp=0.9968,对应的校正集、预测集均方根误差RMSEC=0.1733、RMSEP=0.2126。酸度校正集相关系数Rc=0.8256,预测集相关系数Rp=0.8434,对应的校正集、预测集均方根误差RMSEC=0.0701、RMSEP=0.0703。从结果可以看出,所构建的模型对水磨糯米粉的水分含量和酸度均具有较好预测效果,表明近红外光谱技术可以实现对水磨糯米粉内部品质的无损检测。2.针对实际生活中市场上存在水磨糯米粉掺假现象问题,对水磨糯米粉中掺入大米粉问题进行研究,实验利用微型光谱仪采集得到水磨糯米粉样本的近红外光谱,并采用标准方法检测得到相应的直链淀粉含量。在此基础上通过化学计量学方法构建直链淀粉含量的定量预测模型。分别建立联合区间算法（SI）、无信息变量消除算法（UVE）以及竞争自适应重加权采样算法结合PLS建立的化学计量学模型筛选变量建立的模型均具有良好的结果,且使用无信息变量消除算法（UVE）建立的近红外光谱模型相较于联合区间偏最小二乘法、竞争自适应重加权采样算法和全变量的PLS算法取得的结果更好。建立的模型校正集相关系数Rc=0.9885,预测集相关系数Rp=0.9881,对应的校正集、预测集均方根误差RMSEC=1.4878、RMSEP=1.6312。表明通过直链淀粉含量检测水磨糯米粉是否掺入大米粉问题的模型具有较好的效果。并通过模型检测直链淀粉含量是否<5%,即可判别样品中是否掺入大米粉。3.针对目前市场上近红外光谱设备价格昂贵、操作专业性强以及使用时携带不方便等局限性,开发了基于Android平台的便携式近红外光谱检测系统,实现水磨糯米粉内部品质的快速现场化检测。通过Android Studio软件平台,开发了基于德州仪器的硬件DLP NIR scan Nano微型近红外光谱仪的Smart Spec NIR软件,在此基础上集成了便携式近红外光谱快速检测系统,然后随机选取15个独立水磨糯米粉样品对系统的实际检测性能进行现场化验证。结果显示,水分含量的3次平行检测结果的变异系数CV<1.08%,相对误差Re≤2.61%;酸度的3次平行检测结果的变异系数为CV<5.63%,相对误差Re≤8.69%。结果表明,该便携式检测系统对水磨糯米粉的水分和酸度的检测准确度和稳定性较好,性能优越。选取20个与建模无关的水磨糯米粉样品,取其中10个掺入不定量的大米粉,利用系统对样品的直链淀粉含量进行3次平行预测,结果与国标检测的实际值（标准值）进行对比,得出直链淀粉3次平行预测的变异系数CV<2.29%,判定准确率为100%,达到水磨糯米粉内部品质的快速检测标准。说明预测值和标准值之间无显著差异性。研究表明,本研究开发的便携式NIR光谱检测系统能实现水磨糯米粉内部品质的快速现场化检测且具有一定的检测准确度和稳定性。本研究以水磨糯米粉为研究对象,研究水磨糯米粉内部品质的近红外光谱检测方法,建立准确度高、鲁棒性强的水磨糯米粉水分含量、酸度以及直链淀粉含量的定量检测模型以实现对水磨糯米粉内部品质快速无损检测,并且针对目前市场上水磨糯米粉的掺入大米粉现象,建立了水磨糯米粉掺入大米粉鉴别模型。在此基础上研发了基于Android系统的小型化、低成本、实用化的便携式检测系统,并对系统实际的检测性能进行了验证,符合研究预期。