本项目内容为：第一是基于近红外光谱的花椒品质(挥发油与麻味物质)快速检测机理研究，解决国内外缺乏花椒品质快速非破坏检测方法的问题。第二是通过优化近红外光谱模型的算法研究，探索更方便、高效、稳健的建模算法：包括基于虚拟并行变长遗传算法的近红外光谱异常样品选择方法(VPV-SSGA)研究，解决SSGA计算量大、时间长的问题，以及基于全局－邻域距离法(GND)的定标集样品挑选法研究，解决当样品数目过多时如何挑选具有代表性的定标集样品的问题；基于正交小波变换(OWAVEC)与遗传算法的谱区选择(OWC-RSGA)以及样品选择(OWC-SSGA)方法研究，解决滤除与浓度矩阵无关的光谱信号及其它噪声的问题。同时开发一套花椒品质近红外光谱分析软件系统。通过本项目研究，使得近红外光谱分析的先进技术有望应用于花椒的品质检测中，为提高我国花椒乃至其他农产品的品质检测手段做出积极贡献。

对141份花椒多粒(9种不同扫描参数组合)、单粒、粉末(粉碎成8种颗粒大小)样品，使用MATRIX-I光谱仪采集近红外光谱，采用蒸馏法测量挥发油含量，采用高效液相色谱法测量麻味物质含量，使用PLS建立挥发油含量预测模型。表明，粉末状态样品的模型整体效果最好，单粒最差，多粒与粉末接近。对粉末，40目模型最佳，测定系数为0.9364，RMSECV为0.4210。当分辨率为16 cm-1、扫描次数为128时，建立的花椒多粒模型最佳。比较了基于SVM、PLS、PCA-BP、PCA-RBF的挥发油预测模型，SVM模型预测能力最好。经DOSC预处理后，四种模型预测能力均有明显改善。提出了使用主成分得分矩阵代替原光谱矩阵进行样品选择的新算法(PCA-SSGA)，从141份样品使用PCA-SSGA选出80份样品，对花椒麻味物质进行PLS-LOO-CV，测定系数为0.9038，RMSECV为0.9580，比选样前，测定系数显著提高，RMSECV显著降低。证明了基于近红外光谱技术快速检测花椒挥发油、麻味物质是可行的。在核心期刊发表论文1篇(EI检索)，录用论文6篇(EI检索刊源)，发表会议论文4篇。