面粉作为人们日常膳食最重要的原材料之一,其真实性问题备受关注。现有的面粉真实性检测技术中大多以质谱、色谱为主,费时、费力且费用高,难以满足数以亿吨的面粉真实性筛查需求。发展新型、高效的面粉真实性检测手段迫在眉睫。本文采用多光谱融合技术将拉曼光谱(Raman Spectroscopy)和激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy,LIBS)进行有机融合,充分利用拉曼光谱中分子组分信息和激光诱导击穿光谱中原子组分信息之间的互补特性,由此获取面粉体系更为全面的特征信息。在此基础上,开发化学计量学方法进行面粉的真实性检测,并将其应用于实际面粉样品真实性检测过程中。论文针对复杂面粉体系的Raman和LIBS光谱信号特征开发了相应的光谱预处理算法及数据融合算法,由此实现面粉真实性的多光谱融合定性定量分析。在光谱预处理过程中,论文采用离散小波变换和自适应小波变换分别对Raman和LIBS光谱信号进行多尺度分解,以有效去除背景和噪声信息。在此基础上,采用竞争自适应重加权算法对多尺度滤波后的Raman和LIBS光谱信号进行单独的波长变量筛选,有效去除光谱中的冗余信息。在光谱预处理后,论文基于支持向量机和偏最小二乘回归算法等多元校正技术,分别发展了特征级和决策级数据融合策略,并深入探讨其建模机制,最终实现了面粉真实性的定性定量分析。本文遵循选择典型对象、突出主要矛盾的原则,以四种常见的面粉掺杂体系为研究对象,构建多光谱融合模型,以验证该方法的有效性。计算结果表明,采用多光谱融合技术不仅能够有效提高预测模型的定性判别准确率,还能有效提高预测模型的定量分析精度。相关结果说明了多光谱融合技术在面粉真实性检测中的可行性和有效性,并为其它食品的真实性检测提供了新思路。