高盐稀态酱油的工业生产逐渐大型化、机械化、自动化,传统化学方法因为费时费力无法满足高盐稀态酱油工业生产的检测需求,依靠工人经验的生产模式也已经无法适应现代化生产。近红外光谱能够获取样品含氢基团的特征信息,因其快速、无损、易于在线的特点,被广泛用于食品行业的质量检测和过程控制。本研究利用近红外光谱分析技术建立快速检测模型,预测毛油和成品酱油的氨基酸态氮,检测酱油的调配搅拌终点,辅助酱油产品稳定性测试;同时初步探索了高盐稀态酱油的发酵规律,提高近红外在发酵过程中的使用效率。为近红外光谱用于酱油质量控制和现代化生产提供技术支持。（1）建立氨基酸态氮快速检测模型。首先通过蒙特卡洛采样分析剔除四组异常样本并采用SPXY算法划分校正集与验证集;接着对比了常见的6种预处理方法对模型精度的影响,结果表明Savitzky-Golay平滑为最优的预处理方法;随后利用竞争性自适应重加权法（Competitive Adaptive Reweighted Sampling,CARS）和连续投影算法（Successive Projection Algorithm,SPA）提取特征波长并分别建立偏最小二乘（Partial Least Squares,PLS）模型和支持向量回归（SVM-Regression,SVMR）模型,对比发现CARS提取的26条特征波长要优于SPA提取的13条特征波长和全光谱,最终建立起SGS-CARS-SVMR模型预测工业生产中毛油和成品酱油的氨基酸态氮,验证集决定系数为0.9860,预测均方根误差为0.0198,残留预测偏差为11.05。（2）检测酱油调配的搅拌终点。首先对同一批酱油采集10次光谱观察,发现固态添加剂完全溶解且混合均匀的酱油在光谱上是相似的;在实验室模拟调配过程中,观察近红外光谱变化,对比主成分分析（Principal Component Analysis,PCA）结果并计算移动窗标准偏差（Moving Block Standard Deviation,MBSD）,三者相互验证可以看到,近红外光谱结合MBSD能够表征固态添加剂在毛油中溶解的过程;在工业调配生产取样进行验证,光谱变化和PCA结果说明近红外光谱可以表征酱油的工业调配生产,结合工程师经验与实验室检测结果,设MBSD的阈值为0.01用于检测酱油工业生产的调配搅拌终点。（3）辅助产品稳定性检测。首先建立酱油品种的快速鉴别模型用于预防运输错误或包装错误,对比簇类独立软模式法、线性判别分析、支持向量机（Support Vector Machines,SVM）3种算法的模型精度,结果SVM最优,验证集预测准确率97.14%;随后以一致性指数（Conformity Index,CI）为标准建立一致性检验模型,计算了30个标准样品的CI,设置CI阈值为3,外部验证准确率100%。（4）高盐稀态酱油工业生产发酵规律的初步探索。首先检测酱油发酵过程中的各项理化指标,总结了理化指标变化规律;进行相关性分析和聚类分析,发现高盐稀态酱油发酵过程可大致分为四个阶段。