在我国的经济产业结构中纺织工业占据着重要的地位,在促进我国经济发展的同时也对国民生活质量产生重要影响。随着纺织工业的快速发展,纺织品的送检需求也逐年激增,其中纺织品纤维成分的检测是织物检测中的重点项目,然而目前常用的检测手段效率低、操作难度高,难以满足当前庞大的检测需求,需要提出一种精确、检测效率高的织物成分检测方法。近红外光谱分析技术检测精度高、检测速度快捷且不损伤样品,目前在化学分析领域被广泛运用。本文以棉涤二组分纺织物为研究对象,进行了近红外光谱分析技术在织物成分定量分析领域的相关研究,主要内容包括:1.研究了近红外光谱分析技术的原理与特点,分析了近红外技术当前的研究情况和在织物领域的应用,结合其技术原理验证了织物纤维成分近红外分析的可行性,为本研究提供了理论基础。2.设计了织物样本的近红外数据采集实验,测得所有样品的光谱数据后利用相关预处理方法对光谱进行处理,并利用处理后的光谱数据集建立偏最小二乘校正模型,最终实现了织物棉成分的初步预测。3.分析了两种特征优化算法,并利用两种优化方法对光谱数据进行特征波长提取,其中连续投影算法提取的特征波长个数为17,粒子群算法为48,两种方法均能有效地提取特征波长,降低建模的计算量;利用两种特征波长分别进行偏最小二乘建模(SPA-PLS和PSO-PLS),并与全谱段模型的结果进行对比,优化后模型性能明显优于全谱模型。结果表明,优化算法可有效提取光谱数据中的特征变量,降低模型建立的计算量,提高模型预测的精确性。4.针对粒子群优化算法提取的特征较多的问题,引入变化的惯性权值进行进一步研究,提出三种权值变化函数并同样对织物光谱数据进行优化,最终发现几种方法的结果相近,验证了固定权值的粒子群算法实现了特征提取而未陷入局部最优;联合连续投影算法和粒子群算法对光谱数据进行特征提取,最终的特征变量数虽然降低但预测模型性能反而下降。