本研究探讨了利用近红外反射光谱技术快速预测玉米生长猪有效能含量的可行性。从全国范围内收集不同种植区域、品种及加工贮存方式的玉米样品154个。将大约300 g代表性玉米样品使用旋风磨粉碎过40目（0.42 mm）筛,用于近红外光谱扫描。使用FOSS 6500型近红外光谱仪（Sliver,MD,USA）进行玉米近红外光谱的采集,仪器配备移动式样品槽及标准陶瓷片。样品载于1/4样品杯中（4.6 cm宽,5.7 cm长）,光谱扫描范围为400²498 nm,波长间隔为2 nm。每个样品重复装样及扫描两次,取平均值,并转化为log 1/R形式记录光谱数据。使用化学计量学软件WinISIⅡver.1.50进行近红外仪器的操作和定标。分别使用中心算法和选择算法进行异常样品的剔除和代表性样品的选择,最终117个玉米样品被确定用来进行近红外定标模型的建立和验证,这些样品被随机分成定标集（N=88）和验证集（N=29）,其中定标集用于模型的建立,验证集用于模型的外部验证。随后,使用初始体重为（35±1.2）kg的杜×长×大三元杂交阉公猪测定所选择玉米样品的生长猪消化能和代谢能含量。模型建立采用改进的偏最小二乘法（MPLS）。为了消除光谱信号的基线漂移、随机噪音及样品颗粒度不均引起的散射,采用7种去散射方法和11种导数处理相结合,共计77种方法对光谱进行预处理。在模型建立过程中,定标集被分为6个交互验证组。以最小的交互验证标准差（SECV）确定最佳的主成分数。定标过程中采取两轮的异常值剔除过程,用以剔除光谱异常值（GH≥10）和化学异常值（T>2.5）。以最高的交互验证决定系数（1-VR）和最低的SECV确定最佳的预测模型。结果表明:117个玉米样品猪消化能和代谢能含量的变化范围分别为14.99¹7.50 MJ/kg DM和14.42¹7.05 MJ/kg DM。在各种光谱预处理方法中二阶导数（2,10,10,1或2,12,12,1）与标准正态变量校正结合去趋势校正（SNVD）相结合的方法取得了最佳的定标效果。对于消化能而言,其定标决定系数(RSQ_cal)、交互验证决定系数（1-VR）和验证决定系数（RSQ_v）分别为0.89,0.87和0.86;对于代谢能而言,其RSQ_cal、1-VR和RSQv分别为0.87,0.86和0.86。消化能的交互验证相对分析误差(RPD_cv)和验证相对分析误差（RPD_v）分别为2.85和2.69,而代谢能的RPD_cv和RPD_v分别为2.78和2.64。综上所述,作为一种定量方法,近红外反射光谱技术可用于玉米生长猪有效能的快速预测。