本文通过收集并分析40个合格植物油和44个回收油脂的傅里叶变换红外光谱,选取25个合格植物油和39个回收油脂组成训练集,利用主成分聚类分析,最好的分类结果是出现三个误判的情形。随后建立判别分析模型,确定预处理方法为原始光谱,利用主成分分析获得累积可信度95%的三个主成分及对应的1743~1710cm-1、1172~1130cm-1、2945~2844cm-1、1728~1689cm-1、2987~2840cm-1和1731~1660cm-1光谱信息最为丰富波数范围。建立了原始光谱+全光谱范围的判别分析模型和原始光谱+优化波段的判别分析模型,两个模型都只出现了一个误判情形。但是原始光谱+优化波段相较于原始光谱+全光谱范围的优势在于所需要处理的数据更少,则意味着处理速度变快,利用卫生部两批样品建立定性分析模型,原始光谱+优化波段法对广东地区的247个回收油脂进行鉴别分析,鉴别的准确率为73.7%。使用说明原始光谱+优化波段的判别分析方法能够快速可靠的鉴别回收油脂。采用傅里叶变换光谱仪采集了合格植物油和回收油脂的光谱,利用气相色谱仪检测了两类样品的FFA、MG、DG和TG数值,尝试了不同光谱预处理方法和主因子个数,建立了基于偏最小二乘方法的FFA、MG、DG和TG指标的定量分析优化模型。所得交叉校验结果显示FFA、MG、DG和TG指标的相关系数R2值分别为0.86723、0.69144、0.87177、0.86266,各指标的校正检验均方差RMSEC值分别为0.162、0.0569、0.345、0.403。