本课题以茶叶为研究对象，将红外光谱法与化学计量学相结合，利用茶叶的中红外光谱建立了一套基于投影显示法的茶叶种类的判别方法，实现了对茶叶种类的鉴别。本课题共收集全国名茶40种，其中绿茶32种，红茶4种，乌龙茶、普洱茶、紧压茶和苦丁茶各1种，产地遍及我国四大茶叶产区。利用漫反射技术采集茶叶的光谱数据，采用随机采样方式抽取样本，通过实验确定扫描次数64次，分辨率4cm<-1>，样品粉末粒度≤200目，茶叶粉末的稀释质量百分比为5％。通过采用1820cm<-1>单点基线校正、3次13点Savitzky-Golay窗口移动多项式最小二乘平滑法对原始光谱进行预处理，并采用多元散射校正(MSC)和标准正态变量变换(SNv)对原光谱数据集合进行校正，可以有效减小系统误差的影响。通过对导数光谱的分析，结合中红外区水分吸收的特点确定建模区域为1800cm<-1>～970cm<-1>。在此区域内，1728cm<-1>、1685cm<-1>和1599cm<-1>三处强吸收可以作为苦丁茶的特征吸收；而1400cm<-1>～1000cm<-1>波数段则可以成为普洱茶及其再加工茶(沱茶)的特征区域。 对于其余的37种(除去苦丁茶、普洱茶和沱茶)茶叶，本研究分别采用基于主成分分析的投影判别法、基于主成分分析的SIMCA(Soft IndependentModeling of Class Analogy)法和基于偏最小二乘回归方法三种基于投影显示的模式识别方法建立了判别模型。在基于主成分分析的投影判别法建模过程中，采用Fisher判别法对波长变量进行进一步地筛选，将全部茶叶样本在前三个主成分构成的空间里分为绿茶、红茶、乌龙茶三类。在基于主成分分析的SIMCA(SoftIndependent Modeling of Class Analogy)法建模过程中，采用建模残差为标准确定了各类模型的主成分数，实现了各茶叶样本按其各自的名牌分类，类间距和模型对检验集样本的识别率为97.7％，拒绝率为100％，表明SIMCA法具有很好的判别效果。在基于偏最小二乘回归方法的建模过程中，本研究采用交叉有效性检验和预测均方根误差RMSEP(Root Mean Square Error of Predication)判据确定了建模的主成分数为20，在此基础上建立了判别模型，可以将检验集中所有茶叶样本按其名牌正确归类，正确率100％。 研究表明傅里叶变换红外光谱法与化学计量学方法相结合可以实现茶叶品种的快速鉴别，为茶叶的客观评审提供了一种新思路。