润滑油的使用是农业机械正常作业的必要条件,农业机械发动机工作的动力性、安全性、经济性以及寿命与润滑油状况有着紧密联系,对农机发动机起到了润滑、抗磨以及抗氧化的功用。近年来,农业领域的快速发展,对农业机械的需求也越来越大,伴随而来的是农机润滑油的需求量也随之增加,市场上劣质的润滑油也越来越多,因此研究一种快速、准确、无损的农机润滑油检测方式愈发重要。本文以农机润滑油为研究对象,利用近红外光谱技术采集所配置润滑油样本的光谱数据,应用化学计量学方法,通过所得光谱数据建立出农机润滑油品质的预测模型,实现了对农机润滑油污染浓度与掺假浓度的检测。本研究的主要内容与成果如下:（1）针对随机蛙跳（RF）特征波长选择算法中迭代次数大,结果再现性低等缺点,提出了一种迭代保留信息变量的随机蛙跳（IRIV-RF）特征波长选择算法。该算法一方面利用迭代保留信息变量（IRIV）算法初步在原始光谱中包含的全部变量中确定出对建模有利的强信息变量以及弱信息变量,将其作为RF算法中的初始变量集,消除初始变量集的随机性对结果再现性的影响。另一方面通过对变量按被选概率值由大到小正向排序后,从首个波长开始依次增加一个波长并建立偏最小二乘回归（PLSR）模型,当建立的PLSR模型结果中出现最小的交叉验证均方根误差（RMSECV）值时,将此时所对应的变量子集作为选定的特征波长,消除RF算法所提取的特征波长数量的不确定性。（2）利用近红外光谱仪采集自行配制的100份不同污染浓度的农机润滑油原始光谱数据,选用三种不同的预处理方法分别对原始光谱进行预处理,对经过预处理的光谱数据建立PLSR模型,比较不同预处理方法所对应的模型结果,确定出该原始光谱最佳的预处理方法为变量标准化（SNV）。在此基础上通过RF、IRIV、IRIV-RF三种算法分别对优化后的全谱进行特征波长选择,利用不同算法所选波长分别建立PLSR模型。通过比较全谱-PLSR、RF-PLSR、IRIV-PLSR以及IRIV-RF-PLSR模型的预测精度,可以发现,经过IRIV-RF算法提取特征波长后所建立的PLSR模型预测精度最高,鲁棒性最佳,其中建模结果中的预测相关系数Rp=0.9613,预测均方根误差RMSEP=5.6516,所建模型的预测精度得到了显著提升,模型的运行效率得到了提高,建立该模型的复杂程度也得到有效降低,为检测农机润滑油污染浓度提供了一种新的检测方法。（3）利用近红外光谱仪采集自行配制的100份不同掺假浓度的农机润滑油原始光谱数据,对原始光谱进行预处理,通过模型结果,确定出掺假浓度数据集原始光谱的最佳的预处理方法为SNV。在此基础上通过RF、IRIV、IRIV-RF三种算法分别对优化后的全谱进行特征波长选择,利用不同算法所选波长分别建立PLSR模型。通过比较全谱-PLSR、RF-PLSR、IRIV-PLSR以及IRIV-RF-PLSR模型的预测精度,可以发现,经过IRIV-RF算法进行特征波长选择后所建立的PLSR模型的预测精度明显高于经过另外两种算法所建立的PLSR模型,预测集Rp=0.9759,RMSEP=3.7885,实现了对农机润滑油掺假浓度的快速、准确检测。本研究证明了所提出的迭代保留信息变量的随机蛙跳（IRIV-RF）特征波长选择算法的合理性与有效性,同时证明了近红外光谱联合改进的IRIV-RF算法检测农机润滑油污染浓度与掺假浓度的可行性,为鉴定润滑油品质提供了一种新的思路。