本文主要以纺织纤维棉涤布料样品为研究对象,对简化基于近红外的棉含量模型的变量优选方法进行深入的研究。对异常样品剔除和变量优选时遇到的关键问题提出了解决方案,对能否运用由阵列式半导体激光器和专用积分球采样附件构成的实用化仪器进行有效的检测做了相应的验证。　　 试验在确定了合适的光谱预处理方法和异常样品剔除方法后,为了证明变量优选方法能够有效的简化棉含量的定标模型,比较了相关系数法、向后区间偏最小二乘结合遗传算法、蒙特卡洛无信息变量消除法和基于小波系数的蒙特卡洛无信息变量消除法4种变量优选方法的建模结果,4种方法优选变量后采用PLS建立的棉含量校正模型的预测均方根误差(RMSEP)分别为0.8913、0.8784、0.9226、0.9607,与全谱的0.9758相比都略有降低;预测集相关系数(Rv)分别为0.9985、0.9985、0.9984、0.9982,与全谱的0.9982基本接近,但是建模所用的变量数却比全谱建模的少。相比之下,基于小波系数的蒙特卡洛无信息变量消除法选出的变量数最少,仅用120个变量就建立了与全谱1501个变量的校正模型的预测精度基本接近的模型。　　 为了验证上面的变量优选方法的普适性,又以茶叶为试验对象进行了验证试验。类同棉涤布料棉含量校正模型的建模过程,在确定了最佳的光谱预处理方法后,用“留一”交叉验证法结合3σ判据剔除了异常样品后,运用蒙特卡洛无信息变量消除法(MC-UVE)和基于小波系数的蒙特卡洛无信息变量消除法(WT-MC-UVE)两种方法进行变量优选,然后用PLS建立校正模型。通过比较两种变量优选方法的建模结果可得,无论在游离氨基酸还是茶多酚的校j下模型中,基于小波系数的蒙特卡洛无信息变量消除法的优选结果最好。　　 最后,为了完成本课题组的另一项有关茶叶快速检测技术及实用化仪器研发课题的需要,对棉涤布料样品、茶叶样品能否在实用化仪器上得到有效的检测进行了分析和验证。结果表明,在波长1.0～1.6μm的范围内,无论是棉涤布料样品中的棉含量还是茶叶样品中的游离氨基酸和茶多酚都能够得到有效的检测。