药品关系人民健康,真假药鉴别和药品种类鉴别,在药品监督中有强烈的应用需求。傅里叶近红外光谱仪是一种光机电结合的精密测量装置,具有现场、快速、无损检测等优点,结合统计学或化学计量学方法,常用于各类物理化学值的测量,也于近年成为我国药品流动检测车中的必配装备。在药品鉴别应用中,上百台仪器常同时使用,因此本文研究台间差产生的原因并给出模型传递方法,并重点研究两类和多类的药品鉴别。本文首先介绍近红外光谱仪的分类和傅里叶变换的工作原理,以及近红外光谱分析应用的基本流程,然后介绍了小波变换光谱预处理方法,以及自编码网络等光谱特征提取方法的基本原理。本文接着介绍了傅里叶近红外光谱仪的核心——迈克尔逊干涉仪的机械结构,并分析了光谱检测误差产生的机械和环境因素。研究了将小波变换光谱预处理方法与一元线性回归直接标准化算法(SLRDS)结合的模型传递方法,实验结果表明,引入小波变换可更好地消除仪器机械和环境因素带来的测量误差,提升模型传递效果。本文提出一种稀疏降噪自编码结合高斯过程的药品鉴别二分类算法wSDAGsM。该算法首先对光谱数据进行一维小波连续变换,然后应用稀疏降噪自编码结合高斯过程进行二分类。实验结果表明,本文提出的建模方法wSDAGsM,对比BP神经网络等算法,在分类准确率及稳定性方面,均取得了更优的结果。同时,实验也表明小波变换可以较好地消除光谱噪声。本文提出一种稀疏降噪自编码结合支持向量机(SVM)的药品鉴别二分类和多分类算法wSDAMRBF。该算法首先对光谱数据进行一维小波连续变换,然后用稀疏降噪自编码结合SVM进行二分类和多分类。本文对wSDAGSM和wSDAMRBF算法开展了对比实验研究,结果表明,两个算法都能较好地用于药品鉴别,相对而言,wSDAMRBF算法在分类准确率和结果稳定性更优。