反式脂肪酸(TFA)是一类具有反式双键结构的不饱和脂肪酸的总称，主要来自于氢化植物油（简称氢化油）。众多研究表明，氢化油中的TFA不利于人类健康，许多国家和地区通过限制食品中TFA含量或者强制在食品标签中标示TFA含量来控制TFA的危害。由于氢化油在食品行业应用广泛，所以检测需求极大，而目前食品中TFA的主要检测手段气相色谱法和红外吸收光谱法检测过程繁琐，耗时长，价格昂贵，不利于大量食品的快速检测。因此，建立一种食品中TFA的快速检测方法对控制食品中TFA，实现TFA有效监管具有重要意义。　　 近红外光谱分析方法由于具有操作简便、快速、无损无污染、适合现场和在线分析等优势，而被广泛应用于石油化工、粮油、水果、制药、食品等领域。然而迄今，尚无关于无损检测食品中TFA的研究报道。因此，本论文提出了一种利用近红外漫反射光谱检测完整食品样品中TFA的无损方法。该方法具有简单、快速、无需破坏样品等优点，适合大量样品筛查、现场或在线检测，对于食品中TFA的有效控制和监管具有重要的实际意义。　　 本论文收集了包括蛋糕、面包、饼干共计80个食品作为样本，研究了利用近红外光谱法快速识别含TFA类食品和无损快速检测食品中TFA含量的方法。论文深入研究了无损测量样品近红外光谱的条件，采集了样品的漫反射近红外光谱，利用国标气相色谱法测定了食品中TFA含量。采用标准化、均值中心化、一阶导数和二阶导数方法对光谱进行预处理，通过偏最小二乘识别(PLS-DA)、支持向量机(SVM)、簇类独立软模式(SIMCA)和K-最邻近法（KNN）方法建立了含TFA食品的识别模型，结果显示PLSDA方法具有识别含TFA食品的可行性。通过偏最小二乘(PLS)、支持向量机(SVM)、最小二乘-支持向量机(LS-SVM)和人工神经网络（ANN）方法建立了食品中TFA含量的定量检测模型，结果显示PLS算法建立的模型效果最好，适用于食品中TFA的快速检测。论文还探讨了不同的光谱预处理方法和建模波段对模型性能的影响，研究发现了适合完整食品样品中TFA无损检测的最佳建模波段以及最优预处理方法。以上研究结果为今后食品中TFA的现场及在线快速检测奠定了充分的技术基础。