婴幼儿乳粉是非母乳喂养婴幼儿的唯一营养来源，其质量安全与婴幼儿健康密切相关。传统乳粉检测方法因仪器昂贵、操作复杂等问题难以满足我国日益严峻的乳制品质量安全监管需求。因此，发展满足多场景全链条的乳粉质量安全检测新方法一直是生物医学领域研究的前沿热点。
　　本论文基于激光诱导击穿光谱技术(LIBS)和拉曼高光谱技术，重点针对婴幼儿乳粉光谱的数据结构特征，先后发展了数据驱动、非定向检测、深度卷积神经网络驱动的光谱重构等一系列光谱数据处理新方法，研究内容包括以下四方面：
　　(1)提出基于数据驱动的激光诱导击穿光谱定量检测方法(DD-LIBS)，有效满足婴幼儿乳粉关键元素快速定量检测需求。针对LIBS复杂的等离子体谱线形成机制和影响因素造成的谱线干扰，创新性地提出数据驱动策略，有机结合高密度小波变换的过采样分解能力和随机蛙跳算法的变量筛选能力，在近似平移不变的高密度小波空间中准确提取本征变量，由此构建定量校正模型，有效提升了乳粉中关键元素的定量检测准确性。
　　(2)搭建便携式拉曼高光谱成像系统，有效满足乳粉等非均匀固体体系的精准定量检测需求。所搭建系统在大面积获取样本信息的同时，不丢失样本细节信息，具备良好的实用价值。在此基础上，论文提出了针对乳粉的拉曼光谱预处理方法和常见掺杂物定量、可视化的检测方法，为乳粉掺杂检测提供了高灵敏、可视化的高效检测手段。
　　(3)开发基于移动窗口光谱角(MWSAM)和蛋白质探针(PCP)的两种非定向检测方法，分别通过准确提取乳粉拉曼高光谱的几何特征和回归空间特征，判断乳粉真实性。论文以典型、公认的乳粉标准品为参考数据库，基于真实乳粉的拉曼高光谱规律和几何特征，开发MWSAM方法，通过比较待测样品与真实乳粉光谱角统计分布的相似程度，判断乳粉真实性。在此基础上，基于真实乳粉拉曼高光谱分析模型的回归空间特征，论文进一步发展了PCP方法，将未知掺杂统一反应为蛋白质回归模型中的偏离和扰动幅度，精准识别潜在掺杂物。两种方法互为补充、互为校正，有效解决了乳粉中未知掺杂物非定向识别的难题。
　　(4)开发深度卷积神经网络驱动的拉曼高光谱重构方法，显著提升拉曼高光谱成像速度。该方法以长积分时间光谱为模板，训练光谱重构卷积神经网络(SRDCNN)，从短积分时间光谱中准确提取本征光谱特征，由此重构出高信噪比光谱数据，极大缩短单点积分时间以显著提升拉曼高光谱采集效率。