中性洗涤纤维(NDF)是表示玉米秸秆纤维含量的重要指标,其含量检测对玉米秸秆品质分析具有重要作用。针对前人运用近红外光谱法检测玉米秸秆NDF含量存在的问题,如缺乏常用的光谱分析技术和预测模型精度低等;本研究运用多种光谱处理方法和机器学习算法,来处理光谱并建立NDF含量预测模型,实现玉米秸秆NDF含量的准确检测。具体研究内容和成果如下:(1)研究获取了530组玉米秸秆样本的光谱数据和其对应的NDF含量值,首先为了保证原始数据的准确性,运用马氏距离和蒙特卡洛交叉验证算法(MCCV)来识别异常样本,并逐一验证它们的有效性和剔除有效的异常样本。接着,运用分层采样法挑选出具有代表性的样本,从而形成训练集和测试集。然后使用导数处理、多远散射校正(MSC)、SG平滑及其组合方法来预处理光谱,比较各种预处理方法的效果。(2)进一步,为了去除冗余波长变量,讨论并比较了相关系数法(CCM)、联合区间偏最小二乘法(SiPLS)、遗传算法(GA)及级联算法CCM-GA和SiPLS-GA提取特征波长的效果;最后,建立并比较了偏最小二乘回归(PLSR)算法和支持向量回归(SVR)算法的NDF含量预测模型,使用全局搜索算法确定PLSR的最优主成分数量,采用网格搜索算法确定SVR的正则化参数C、不敏感参数ε及RBF核参数γ最优值;结果表明,PLSR模型对NDF含量有较高的预测精度。同时使用测试集样本对其评估,评估参数R~2、RMSEP和RPD值分别达到0.9756、0.4586%和6.45;此外,选用20个外部样本测试模型的泛化能力,预测偏差平均值达到0.2425%。研究结果表明:应用多种光谱处理方法和机器学习算法建立的玉米秸秆NDF含量预测模型,有较高的预测精度,可实现NDF含量准确检测。本研究所设计方法给NDF含量检测的自动化装置实现提供一个理论参考,对玉米秸秆品质分析具有积极的意义。