本论文以近红外光谱分析技术为主要检测手段,以化学计量学中机器学习与深度学习为主要数据处理方法,以具有“新疆第一杏”之称的赛买提杏为水果无损分析对象,以其中可溶性固形物（Soluble solid content简称糖度SSC）为主要研究指标,以雪菊作为药用植物代表进行营养成分检测、地源检测及野生/种植判别试验。使用便携式微型化设备对赛买提杏糖度进行建模,通过化学计量学手段建立了上百个校正模型,从中挑出84个有效的模型,通过对比,从中得到了最优结果,结果表明,用最简单的仪器也能建立可靠、稳定的定量校正模型。主要研究内容及结论如下:1)为实现赛买提杏糖度（SSC）快速、微型化检测的目的,采用微型近红外光谱仪,数显糖度计测定赛买提杏糖度,使用蒙特卡洛法进行奇异值删除,对比了连续小波变换（continuous wavelet transform,CWT）、卷积平滑（Savitzky-Golay,SG）、多元散射校正（multivariate scatter correction,MSC）、标准正态变量变换（Standard normal variable,SNV）、一阶导（1st）,二阶导（2nd）及其两两组合的光谱预处理方法建模结果,其中CWT,CWT+MSC和CWT+SNV这3种方法结果较好。以这3种预处理方法为基础,对比了竞争自适应加权抽样（competitive adaptive weighted sampling,CARS）、随机化试验（randomized trial,RT）、蒙特卡罗-无信息变量消除法（Monte Carlo-uninformative variable elimination method,MC-UVE）和C值法4种变量选择方法,分别得出与杏糖度相关的光谱变量,通过层层筛选、对比,得到了最优赛买提杏SSC偏最小二乘（partial least squares,PLS）校正模型。结果表明,采用微型化设备,通过适当的光谱预处理和变量选择方法也能出色地完成赛买提杏SSC的快速无损分析。2)为实现雪菊中可溶性多糖含量的快速分析,对比傅立叶近红外光谱仪和微型仪器快速分析效果,降低检测成本,我们选取了10种不同产地的雪菊作为研究样本,以可溶性多糖为主要研究指标,通过湿法提取其中可溶性多糖,用蒸馏、石油醚提取、萃取法除去其中脂质等大部分杂质,以葡萄糖为标准品,通过紫外可见分光光度法建立标准曲线及回归方程,并用浓硫酸-苯酚法测定雪菊提取液中的总多糖含量。分别用傅立叶台式近红外光谱仪和微型光谱仪采集雪菊光谱数据,将雪菊近红外光谱数据与多糖含量数据联立,按建模流程分别建立两种光谱信息对应的校正模型,对比了十五种光谱预处理方法,建立了基于两种仪器的近红外光谱法雪菊多糖的定量校正模型。通过傅立叶变换光谱仪建立的模型可基本准确的预测10产地雪菊多糖含量,而微型设备在最优变量的基础上仅能够粗略预测不同产地雪菊中多糖含量。结果表明,近红外光谱法能够准确用于雪菊中多糖含量预测,该模型的成功建立预示着药用植物中多糖成份均有望通过近红外光谱法进行快速无损分析,因研究结果不太理想,所以后续还有很多改进空间,为后续不同产地雪菊品质快速分析判定提供参考。3)为实现近红外光谱法快速鉴别人工栽培以及野生雪菊,降低因野生雪菊产量低、药用价值高等特点,导致市场“冒名顶替”、以次充好的现象,本文通过主成分分析（Principal component analysis,PCA）法对雪菊近红外光谱数据进行降维,并添加近红外光谱预处理以及变量选择方法,最后以得分数据观察类间分离效果,得到了较好的分类结果,放入未知样品光谱数据,采用相同方法进行光谱处理,得到较高的预测率。结果表明,此方法可同时鉴别出不同产地雪菊以及野生雪菊,为进一步完善雪菊市场的快速检测提供参考。