食用油是人体重要的能源和营养源,也是人类膳食的重要组成部分。食用油的安全状况将影响我国食品工业的发展、消费者健康安全和社会的和谐稳定。我国对油脂质量的检测还是采用传统的化学方法,受人为因素影响大,难以满足现代社会对食用油质量简便、快速、准确、现场化的测定要求。近年来,近红外光谱分析技术因其具有检测速度快、不破坏样品、绿色环保、易于实现在线检测和调控等优点,在检测分析领域得到广泛应用。采用食用大豆油脂的主要质量参数酸价和过氧化值作为研究对象,共收集52个大豆油脂酸价样本和42个过氧化值样本,根据预测值与实际值的偏差分别去掉奇异点,依据谱带吸收规律分别选取吸收峰进行分段建模,选出最佳建模波段；为提高模型的预测精度分别进行了传统的预处理方法与小波变换处理方法的对比,结果发现Daubechies系列小波在油脂酸价和过氧化值谱图预处理中具有较好的去噪效果。重点研究了人工神经网络非线性建模方法在油脂近红外光谱分析中的应用。将BP神经网络和RBF神经网络与传统的偏最小二乘PLS线性建模方法对比,在BP神经网络中分别研究选取出了最佳隐含层节点数、动量因子、学习速率和训练次数等影响网络性能的主要参数；在RBF径向基神经网络中分别研究了隐含层节点数、径向基密度和显示间隔对模型的影响,结果发现人工神经网络建模方法相对于传统PLS建模方法更具优势,油脂酸价和过氧化值预测集决定系数R2分别为0.99127和0.99265,相对标准偏差RSD分别为4.01%和3.68%,均达到了预期的目标,证明了人工神经网络应用于油脂近红外光谱分析的可行性及良好的建模效果。