当食用植物油中的饱和脂肪酸摄入过多时,人体就会增加患胆固醇和心血管疾病的风险。通过检测不同食用植物油中不同饱和脂肪酸含量的参考值,不仅可以用于对食用植物油的分类,还可以确定其变质程度和评定其氧化程度。因此,建立一种合理高效且简易便捷的饱和脂肪酸检测方法具有重要意义。本研究结合反射率光谱与深度学习网络建立一种食用植物油饱和脂肪酸的检测方法,并探索使用多项式校正方法解决操作人员差异引起的光谱分析模型失效问题。具体研究内容如下:（1）结合反射率光谱和深度学习网络建立一种食用植物油饱和脂肪酸的检测方法。首先,测量了菜籽油、大豆油、葵花籽油、玉米油、橄榄油、芝麻油及花生油等7种食用植物油350-2500 nm范围的反射率光谱,气相色谱-质谱联用法测量油品中软脂酸、花生酸和山嵛酸等饱和脂肪酸的含量的参考值。使用中心化（CEN）、多元散射校正（MSC）、标准正态变量变换（SNV）以及标准化（STA）等算法消除光谱无关信息、噪声和光谱散射等干扰。然后,构建了一种新型的二维光谱卷积回归网络（S2DCRN）用于饱和脂肪酸的回归分析。同时,全连接网络（FCN）、偏最小二乘回归（PLSR）、支持向量回归（SVR）及随机森林（RF）被用于与它进行比较。最后,采用序列前向选择（SFS）、无信息变量消除算法（UVE）、Relief算法、随机蛙跳（RFrog）、逐步回归及遗传算法选取重要波长的光谱,进一步可以构建一个更为简单稳健的分析模型。实验结果表明,对食用植物油光谱数据进行不同处理后的S2DCRN模型性能最优。虽然变量选择后所取得的分析效果略差,但特征变量选择后其大小仅为原始光谱数据的1%,这节省了油品的反射率光谱数据采集工作并大幅降低了模型复杂度,有助于后续便携式简化检测装置的研发。此外,将S2DCRN模型迁移应用于食用植物油中其他饱和脂肪酸含量检测时,获得了较好的检测结果。（2）利用多项式校正方法解决反射率光谱应用中的操作人员误差。首先,通过不同的实验人员测量了菜籽油、大豆油、葵花籽油、玉米油、橄榄油、芝麻油及花生油等7种食用植物油350-2500 nm范围的反射率光谱,气相色谱-质谱联用法测量油品中山嵛酸含量的参考值。建模前为消除油样中的光谱散射干扰使用了多元散射校正算法对光谱进行处理。然后,为解决反射率光谱应用中因操作人员误差导致的光谱分析模型失效问题,提出了一种新的多项式校正方法,即阶次自适应多项式校正（OAPC）。结合卷积神经网络（CNN）、偏最小二乘回归（PLSR）、支持向量回归（SVR）及随机森林（RF）对山嵛酸含量进行回归分析。同时,采用引导软收缩（BOSS）、随机蛙跳（RFrog）及皮尔逊相关系数选取光谱的重要波长。最后,为进一步讨论校正样本的选择方法和数目对OAPC性能的影响,分别采用随机选择和Kennard-Stone（KS）算法以1%的步长选取了比例为1%-10%的数据。实验结果表明,应用OAPC后CNN的模型性能最优,所构建的OAPC方法可以有效地解决反射率光谱应用中操作人员误差引起的模型失效问题,也为设备或环境因素引起的光谱差异问题提供潜在解决方法。研究可知,反射率光谱与深度学习网络结合的方法可以实现食用植物油中饱和脂肪酸含量的检测,且结合多项式校正可以有效解决反射率光谱应用中的操作人员误差引起的模型失效问题。此外,使用特征波长选择后的反射率光谱所构建的简化模型可以为后续研发便携式仪器提供参考。