小麦中蛋白质的含量是评价小麦品质的重要标准之一,所以如何快速、有效、无损的检测小麦中蛋白质的含量是目前世界各国研究的问题之一。在测量小麦近红外光谱时,采集的光谱信息存在着大量的噪声信号,同时也伴随着无信息变量和干扰变量,为了解决上述问题本文展开了对小麦蛋白质含量无损检测方法的研究,主要研究内容如下:(1)为了消除外界噪声信号的影响,采用小波包(WTP)对原始光谱数据进行降噪处理。(2)为了删除无信息变量和干扰变量的影响,首次将两种信息向量(IVs)加权的思想与模型集群分析(MPA)思想相结合提出了自加权变量组合集群分析法(AWVCPA)。分析了样本集合变化对每种变量选择方法结果的影响,将蒙特卡洛采样技术(MCS)与变量组合集群分析法(VCPA)相结合提出了蒙特卡洛变量组合集群分析法(MC-VCPA),并对小麦近红外光谱进行变量选择。(3)运用偏最小二乘法(PLS)建立小麦蛋白质预测模型,对比其他建模方法,结果表明WTP-AWVCPA-PLS和WTP-MC-VCPA-PLS所用的变量分别为9个、10个。预测均方根误差(RMSEP)分别由原始光谱建模的0.5096下降到了0.3382、0.3295,分别提升了34%、35%。对比其它建模方法,不仅所用变量数最少,并且也是预测精度最高的两种建模方法。