葡萄酒是酒精含量温和、口感多样化、深受消费者喜爱的酒精饮料。葡萄酒酿造包括微生物发酵和多种有机物的浸出和转化过程。经过独特、缓慢的工艺过程,可酿造口味芳香细致的优质葡萄酒。酒精度、总糖、总酸和总酚是葡萄酒规模化生产的主要质量监控指标。传统检测方法需要多种检测方法、设备和试剂,繁琐耗时,不能满足葡萄酒酿造过程的实时检测需求。可见-近红外（Vis-NIR）光谱是一种间接分析技术,可以利用已知样品的光谱和指标理化值进行定标,实现对未知样品的多指标同时快速定量/定性分析。本文系统研究基于葡萄酒光谱的质量指标（酒精度、总糖、总酸和总酚）的同时定量分析方法,开展新型光谱预处理和波长模型优化方法的研究和集成,提高光谱的分析精度。另一方面,优质葡萄酒品牌的鉴别可避免掺假和欺诈,保护生产者和消费者的权益。由于高的相似性,葡萄酒品牌鉴别方法复杂且困难。本文也开展基于Vis-NIR光谱定性判别分析的葡萄酒品牌鉴别的方法研究。主要内容和结果如下:1.基于NIR光谱的葡萄酒四质量指标的同时定量分析方法:1)基于偏最小二乘（PLS）法,建立多划分建模体系,依据综合预测误差（SEP⁺）优选参数,避免数据过拟合。并采用不参与建模的样品进行独立检验,使结果具有客观性。2)建立基于Norris导数滤波的光谱预处理优化平台,依据Norris-PLS模型效果确定参数（平滑点数s、导数阶数d和差分间隔g）。酒精度、总糖、总酸和总酚四指标的最优参数（d,s,g）分别为（2,9,3）;（1,19,5）;（1,17,11）;（1,1,1）。3)建立基于等间隔组合PLS（EC-PLS）的波长模型优化平台,并集成波长逐步淘汰（WSP）法和穷举法进行二次优化,进一步提升光谱预测能力。上述四指标,二次优化的最优模型的波长数分别为7、10、15和13。经检验,四指标预测值与实测值的预测均方根误差（SEP）分别为0.41 v/v,1.48 g/L,0.68 g/L,0.181g/L;预测相关系数（R_P）分别为0.947,0.992,0.981,0.948;样品偏差及预测偏差比（RPD）分别为分别为3.2,6.8,5.1,2.9。表明了预测值与实测值的高相关和低误差。2.葡萄酒品牌鉴别的Vis-NIR光谱定性判别分析:1)建立阴性（智利Aoyo葡萄酒）,阳性（其余品牌葡萄酒）样品判别分析的定标-预测-检验的模型评价体系。以总识别准确率(RAR_Total)为优化指标选择参数,兼顾各属性样品的判别效果平衡。2)采用偏最小二乘法判别分析（PLS-DA）,分别在可见光（400-780nm）、短波NIR（780-1100nm）、长波NIR（1100-2498nm）、NIR（780-2498nm）和全扫描谱区（400-2498nm）上建立判别分析模型。经检验,可见光模型取得最好的预测效果,阴性、阳性和总识别准确率分别达到100%、95.6%和97.5%。研究表明:1)NIR光谱结合新型化学计量学方法可用于葡萄酒的酒精度、总糖、总酸和总酚等指标的快速同时定量分析。2)Vis-NIR光谱结合PLS-DA方法可用于葡萄酒品牌的定性判别分析。所提出的波长模型优化方法具有新颖性,可为葡萄酒专用光谱仪设计提供有价值的参考。该技术快速简便,在葡萄酒酿造过程的实时质量监控中有应用潜力。