棉花质量检验的内容由传统的品级、长度、水分、含杂逐渐转变为反映棉花内在质量的物理指标:马克隆值和强度指标。传统方法测量指标费时费力且容易出现人为误差。而能精确快速地测定棉花的品质指标的大容量测试仪价格昂贵,不利于普及。因此,本课题研究了一种基于光谱检测棉花内在质量物理指标的方法。该方法主要采用近红外和中红外的光谱数据,结合大容量测试仪得出的标准数据进行建模分析。具体内容如下:(1)进行光谱实验和定量分析模型的建立。使用光谱仪采集样本的近红外和中红外光谱图。对样本进行预处理,在近红外和中红外的全谱区分别建立偏最小二乘法(PLS)和偏最小二乘结合支持向量机法(PLS-SVM)的定量模型,根据模型的预测均方根误差、相对预测均方根误差、决定系数、验证均方根误差和验证集决定系数五项指标评价建模结果。结果表明:对光谱进行平滑处理后的模型预测效果优于未处理的光谱的模型;PLS-SVM建立的模型预测效果优于PLS建立的模型。(2)建立波长筛选后的定性模型。为了进一步提高模型预测精度,提高模型效率,利用无信息变量消除法和无信息变量消除结合连续投影法对近红外和中红外光谱进行波长筛选,提出二维相关光谱技术对近红外光谱进行波长筛选,采用PLS-SVM法建立定量模型。结果表明,在近红外谱区,经过两种方法进行波长筛选之后建立的模型的预测效果均有所提高;但在中红外谱区,经过两种方法进行波长筛选之后建立的模型的预测效果均降低。故提出一种基于Gaussian软件结合吸光度的波长筛选方法对中红外光谱进行波长筛选,并采用PLS-SVM算法验证其性能。(3)建立分类模型。为了提高马克隆值的分类性能,采用Fisher判别算法和三种不同形式的自组织映射分类法结合最优波段的结果对棉花马克隆值进行分类。结果表明Fisher判别算法分类性能不佳,有监督自组织映射算法分类性能最优,但是其具有只能使用有限的已标记样本的局限性,而半监督自组织映射算法能解决这个问题,且具有较好的分类性能。