近年来,人们对烟草制品的质量日益关注,在实际的烟草质量控制中,对决定烟草内在品质的因素—化学成分的分析提出了更高的要求。分析工作者不再局限于分析某一种或者几种化学成分,而是需要使用多种仪器来分析大量烟草样本中许多组分的含量。这种常规化学分析法操作复杂、分析时间长,显然不能满足产品开发和质量控制的要求,因此,寻求一种快速而有效的分析手段来测定化学成分就显得十分必要。本研究利用近红外光谱分析技术对烟叶中的四种成分进行快速定量分析。课题组收集了全国多个省份的400多份烟叶样品,测定其近红外光谱以及还原糖、总糖、总氮和烟碱的含量,从而建立了烟叶近红外基础数据库。在此基础上,建立了烟叶四种成分的近红外定量分析模型。由于各种成分与近红外光谱的相关性不尽相同,所以可能达到的测试精度也会不同,这就要求深入研究,通过优化建模的各种条件,力求建立最有效的分析模型。为了获得一个稳健、预测偏差小、适用性强的模型,研究从以下几个方面展开:1)研究多种光谱预测处理方法以及建模样品数对模型预测性能的影响。通过各种处理方法对比,确定一阶导数和二阶导数是最佳的光谱预处理方法;建模样品数在条件允许时要尽量多,但样品过多可能导致模型误差增加。2)局部模型与全局模型的比较。局部模型的预测结果比全局模型更可靠,如果我们知道样品的某些光谱特征,如复烤烟样品光谱的主成分空间比初烤烟的更窄,或者复烤烟和初烤烟在主成分空间可明显可分为两类,建立一个局部模型可以得到更佳的预测效果。3)组合建模的研究。通过组合建模的方式可以计算出每个样本预测结果的标准偏差,从而为定量分析结果精度提供一个评价方法。4)异常值的检测与模型性能的关系。把自助法用于奇异值检测,从而得到一个稳健的模型。5)模型修正的研究。通过扩充样品主成分空间后得到的修正模型比原模型预测偏差更小。6)模型转移的研究。比较了三种模型转移方法,对于烟叶数据,由于相同样品在主仪器扫描的光谱跟从仪器扫描出的差异不是很大,三种方法所得结果无显著性差异。