随着烟草企业联合重组步伐和大品牌关注度的提高，对烟叶原料资源的整合与深度利用、产区烟叶风格特色凸显以及传统的配方研发与质量控制模式都提出了严峻的挑战。传统原料质量评价手段主要利用烟叶化学成分的实验室检测、烟叶外观质量的定性描述以及专家评吸感官质量数据，实现单项指标评价和烟叶质量评判，但目前这种技术手段依然存在烟叶质量评价滞后、不全面、不统一，烟叶总体质量摸不透、技术评价手段单一以及烟叶品质区划方法不到位等实际问题。近红外光谱方法（NIRS）主要利用有机物中含有C-H、N-H、O-H、C-C等化学键的振动，而烟叶中含有的总糖、总氮、还原糖、烟碱、叶绿素等化学成分均具有丰富含氢基团，可通过现代化学计量学的手段，挖掘烟叶光谱中蕴含的关键特征，为近红外定性、定量分析提供可能，解决了单靠传统化学方法难以快速完成问题。本文以近红外光谱特征原理分析入手，围绕着烟叶近红外光谱特征分析、高维光谱的降维特征映射、光谱波长点变量选择、PLS建模特征成分提取以及烟叶质量与特色风格的相似性度量技术等关键技术开展深入研究。本文取得创新成果如下：1、本文运用谱图解析和化学计量学技术剖析了烟叶关键化学成分、风格特征成分在近红外光谱图中的有效表达。烟草中常规化学成分与含量较高的致香成分均与近红外光谱之间存在直接或间接的关系，这些特征表达对烟叶定量检测及对烟草品种、产地、部位、等级、风格特色等定性判别分析有着重要基础作用。2、因近红外光谱具有“高维、重叠、非线性、冗余”特征，在进行光谱特征提取与相似性度量时会出现维数灾难、信息处理困难以及距离失效等问题，本文提出了基于改进邻域的局部保持投影方法INLPP，并在其邻域图构造中加入了流行距离计算方法，将光谱数据从高维空间向低维空间的特征映射，同时保留原始数据中的丰富组成和非线性结构信息，在低维空间下很好实现了烟叶光谱的内在规律提取、可视化分析与相似性度量。同时，将INLPP算法与PCA、LDA、LPP算法进行了对比分析，该算法能够有实现降维而且能够保持非线性数据结构。3、面对近红外光谱中波长点多，谱带归属困难、光谱重叠严重，且噪声、测量误差较大等问题，本文提出了基于CARS的波长变量选择方法，将选出的波长点用于总糖、总氮、总烟碱指标建模，与全波长相比，模型性稳健性和转移性有了很大提高，减少了采用全部波段的光谱建立多元校正模型的工作量。4、在近红外定量建模中，PLS是目前应用效果最好、最广泛的建模方法之一， PLS方法主要通过抽取潜在成份，对包含多因变量和多自变量的数据进行建模分析。如何从抽取出的偏最小二乘成份中选择部分有价值、有意义成份作为最终建模成分是其工程应用中主要面对问题。本文改进了PLS抽取主成分原则和因子数优化方法，保证抽取的成分对因变量解释能力最强，同时对自变量有最佳综合表达能力，改进的PLS方法对模型性能有较大提高。5、原料质量的传统认知模式已无法完成对原料质量的可用性评价和风格特色的综合评价，本文在局部保持投影的映射空间下，将类别信息加入到邻域优化计算中，获得了低维空间下的不同样本相似性度量。利用近红外光谱特征提取与相似性度量技术，开展烟叶品质近红外快速检测与数字化评价，推进传统品质认知模式转变，弥补和解决了传统品质评价方法的不足。6、根据本文对近红外特征分析中的多个关键技术研究，自主研发了网络化烟叶品质快速检测分析系统，利用系统中的多种数据分析方法对烟叶进行品质区划研究，实现了对烟叶化学成分检测以及主要产区不同香型风格判别。评价结果与专家对产区烟叶品质评价基本一致，为近红外在烟草行业的深入应用奠定了重要基础。