香榧果实营养丰富,具有特殊的酚香气味,在干果市场上香榧的价格也比较高,因此很多不法商家出售自家种植的香榧或者出售次等香榧,却用知名地域标识的品牌包装袋包装,以次充好,弄虚作假,扰乱了正常的香榧市场秩序。传统的方法耗时耗力,为快速鉴别出是否具有产地认证标志的香榧,本文首次利用近红外光谱技术结合化学计量统计方法对不同产地的香榧做判别分析研究。本研究通过近红外漫反射光谱仪采集临安、绍兴、嵊州三地的香榧样品各100个,剔除异常的香榧,然后将香榧样品按照3:1比例采用Random Sampling(RS法)划分校正集和预测集,校正样本84个,预测样本28个。选取4000~10000cm-1波段,对光谱进行一阶导数(FD)、多元散射校正(MSC)等预处理,然后运用PCA-DA、KNN、PLS-DA、LS-SVM、SIMCA法建立判别模型,比较这5种模型的建模效果。结果表明:最小二乘支持向量机法(LS-SVM)和主成分(PCA-LDA)法的建模效果最好,在LS-SVM模型中,FD和MSC+FD预处理下的校正集正确识别率为100%,预测集正确识别率96.43%;在PCA-LDA的模型中,FD预处理下的校正集的正确识别率为98.81%,测试集的正确识别率为100.00%;在PLS-DA的模型中,MSC+FD和FD预处理方法下建模集的正确识别率不低于90%,校正集的正确识别率都为100.00%;在KNN和SIMCA的模型中,建模集和测试集的平均正确识别率都低于70%。实验结果证明:利用近红外光谱技术结合LS-SVM和PCA-LDA模式识别方法进行香榧的产地分级是可行的。