饼干作为一种快速消费品,因其独特的风味和口感,深受消费者的喜爱。随着市场的日益扩大,一些不法商家为了牟取暴利,将劣质产品融入市场,危害消费者身体健康。为了杜绝劣质饼干在市场上的流通,安全性控制和品质评价是必不可少的环节。当前,饼干主要通过化学滴定法、高效液相色谱法等常规方法进行检测。然而,这些常规检测方法具有破坏性、抽样性、环境危害等缺点,不适合现代工业的发展方向。本文利用光谱范围为405-970nm的多光谱成像系统结合偏最小二乘回归(PLSR)和反向传播人工神经网络(BP-ANN)分析方法,实现对饼干原料及其制品的品质检测,其主要研究内容及成果如下：(1)基于光谱信息,采用PLSR和BP-ANN建立面粉及烘焙成品中硼砂含量的检测模型；结果显示,BP-ANN比PLSR更适合用于面粉中硼砂含量的检测,该模型获得最佳模型的预测集决定系数(Rp2)及其标准偏差SEP分别为0.821和134.269；而对于烘焙成品中的硼砂含量的预测,PLSR模型则表现出更可靠的预测性,其建立模型的Rp2和SEP分别为0.842和110.75。(2)基于光谱信息,采用PLSR和BP-ANN建立曲奇饼干的品质(水分含量、酸价和过氧化值)的预测模型。在建立水分、酸价和过氧化值预测模型中,PLSR预测结果明显优于BP-ANN,其水分、酸价和过氧化值的预测集相关系数r分别为0.909、0.944和0.971。