纸浆材综纤维素和木质素的近红外快速无损检测是提高造纸工业智能制造水平的重要手段之一。然而,在纸浆材材性的快速检测过程中,已建立在一台光谱仪器上的光谱模型往往无法预测另一台仪器测得的木材样品光谱,从而大大限制了该技术的广泛应用。为了降低重新建模和维护的成本,通过模型转移技术减少仪器的台间差对测定结果的不利影响,从而实现模型共享,成为制浆过程中质量控制的关键问题。本研究以5种共计84个纸浆木材样本近红外光谱及其综纤维素和木质素含量为研究对象探讨模型转移技术,其中光谱测量基于4台近红外光谱仪（3台同型号台式机棱光1、棱光2与棱光3,1台小微型近红外光谱仪Si-Ware）。以棱光1为主机,其它3台仪器为从机,探讨了利用筛选稳定一致性波长（screening wavelengths with consistent and stable signals,SWCSS）及其联用算法实现综纤维素和木质素近红外分析模型在不同仪器间共享的优化策略。研究表明,本研究所提出的SWCSS及其改进算法建立的校正模型显著地提高了对3台从机量测的近红外光谱分析精度,为该技术在制浆造纸工业推广应用奠定了基础。本文主要从以下三方面进行研究:（1）在使用SWCSS算法进行模型传递过程中,采用K-S算法挑选代表性样本进行稳定一致性波长筛选之前需要对主、从机光谱进行预处理。研究中探讨了一阶微分、二阶微分、MSC、SNV、归一化、中心化以及两两组合等10种预处理方法对SWCSS方法挑选出的稳定波长及其对模型传递效果的影响。发现采用标准化预处理方法后SWCSS算法选出的波长建立的模型对2台从机样品的分析效果最好,RMSEP相较于模型传递前分别从2.4769、2.3119下降到了1.2563、1.2384。（2）为了对SWCSS方法挑选出的波长进一步优化,提出SWCSS-UVE和SWCSSCARS以及SWCSS-SPA联用算法,即采用UVE、CARS和SPA波长优化算法,减少SWCSS方法中无效波长的不利影响,以提高模型对2台从机测量样品光谱的分析能力。结果表明,对于综纤维素,SWCSS-CARS方法选出的30个波长建立的主机模型对2台从机样品分析的RPD均大于4.6,AIC值为67.68,远远小于模型传递前的3209.83和SWCSS算法的942.82;而对于木质素,SWCSS-CARS和SWCSS-SPA方法选出的24和11个波长建立的主机模型对2台从机样品的分析能力优于模型传递前,与单独的SWCSS方法相比对从机样品的分析结果相差不大,但AIC值分别从960.78下降到了63.86和44.46,模型传递效率显著提高,远远小于模型传递前的3198.70。（3）提出SWCSS-DS、SWCSS-PDS和SWCSS-S/B联用算法进一步提高模型转移质量。先采用SWCSS方法,选择出具有良好的稳定性和一致性的波长,以降低因仪器或测试条件而引起的样品信息误差。然后在这些波长基础上采用直接校正法（Direct Standardization,DS）、分段直接校正算法（Piecewise Direct Standardization,PDS）和斜率截距算法（Slope/Bias,S/B）方法对SWCSS方法校正后仍然存在的系统误差进一步校正。结果表明,SWCSS-DS、SWCSS-PDS和SWCSS-S/B联用算法对2台同类型光谱仪器测量样品分析的RPD均大于3.6,优于单独使用SWCSS、DS和S/B模型转移算法,显著提高了类型光谱仪器测量样品分析能力和传递效率。在棱光与微型Si-Ware光谱仪器间的模型传递中,SWCSS和SWCSS-PDS方法对Si-Ware测量样品的分析结果较差,RPD小于2.0,SWCSS-DS方法对Si-Ware测量样品分析结果较好,RPD大于3.1,略差与单独DS算法。