食用油是人们日常使用的调味品之一,同时食用油可以给人体提供诸如不饱和脂肪酸以及各种维生素等人体必需营养元素。食用油安全一直是引人高度关注的一个问题,购买劣质食用油不仅会使消费者受到经济损失,同样也会对人体造成危害,所以食用油的品质检测显得尤为重要。食用油中的碘值、酸值、皂化值、饱和脂肪酸以及不饱和脂肪酸可作为油脂品质分析的特征成分,是评价食用油品质的重要参数指标。在常规检测中,所采用的方法往往存在着费时、昂贵和繁琐等缺点,不利于食用油实时快速检测。因此,探索一种可以快速并且有效检测的检测方法是极其重要的。随着光谱技术的发展,近红外（NIR）光谱技术已在各种行业广泛应用。近红外光谱分析技术具有快速、有效和高效等优点,在油脂以及各类食品检测中得到了广泛重视。论文以近红外光谱分析技术为基础,对油脂品质检测展开了研究,主要研究内容与结论包括:（1）五种品质特征成分定量检测。基于近红外光谱技术,采集8类40份油样的光谱数据,应用四种预处理方法,两种特征波长提取算法以及两种参数寻优方法建立碘值、酸值、皂化值、饱和脂肪酸以及不饱和脂肪酸定量预测模型。分析比较不同算法路径建立的模型预测效果,结果表明,建立的大部分模型预测集和校正集相关系数R均在0.98以上。（2）黄曲霉毒素定量检测与定性鉴别。在测定花生油样中黄曲霉毒素B₁的真实值含量后,采集其近红外光谱数据。应用三种预处理方法,两种特征波长提取算法以及三种参数寻优方法建立花生油黄曲霉毒素B₁定量预测模型。结果显示,移动平均平滑法（MAS）结合粒子群算法（PSO）以及网格搜索法（GS）可以建立最优的定量预测模型,其建立的模型预测集相关系数R接近1,校正集相关系数R均在0.998以上。经过对比几种最优的定量预测模型的各项参数,选择平均相对误差（MRE）最小的MAS-SPA-GS定量模型校正集以及预测集的预测值作为定性鉴别模型的输入值Y,配合三种不同参数寻优方法建立定性鉴别模型,所建的三个定型鉴别模型的校正集以及预测集准确率均在96.6%以上,GA-SVC和GS-SVC模型的准确率均达到了100%。（3）基于碘值、酸值、皂化值、饱和脂肪酸以及不饱和脂肪酸等五种特征值,建立油脂种类鉴别模型。将各个特征值最优的定量预测模型的预测值作为定性分类模型的输入函数X,油脂种类作为输出函数Y,运用两种参数寻优方法建立油脂种类鉴别模型。结果表明,GA-SVC模型校正集以及预测集的准确率均在93%以上,在训练中出现了一次错判,预测中也仅出现了两次错判。研究结果表明,使用多种特征值快速鉴别油脂种类的方法是可行的。