牛奶的品质评价一直是乳品业最受关注的焦点之一，为保证乳品质量国家制定了一系列详细的标准，但传统的检测方法耗时费力、浪费化学试剂且污染环境。本研究采用衰减全反射傅里叶变换红外光谱技术（Attenuated Total Reflectance Fourier TransformInfrared Spectroscopy，ATR-FTIR）结合化学计量学方法，建立了牛奶的快速定性识别模型和定量分析模型，为实现乳制品的产地溯源、在线分析和掺假检测提供一条有效途径。主要研究内容如下：选取市售四个产地的纯牛奶为研究对象，利用ATR-FTIR采集样品的红外光谱，确定了采样参数为扫描次数32次，分辨率4cm^-1。通过光谱的预处理优化建模数据，分析确定了红外光谱区域2990-2850cm^-1、1800-1700cm^-1和1600-900cm^-1为特征向量，自动基线校正和Savitzky-Goaly多项式9点平滑处理为光谱数据处理方法，建立的牛奶产地软独立模式分类识别模型（Soft Independent Modeling of ClassAnalogy，SIMCA）效果最佳。在5%显著性水平下，模型对四类牛奶的识别率均大于80%，拒绝率均大于93%。说明ATR-FTIR结合SIMCA对牛奶进行产地识别是可行的。选取市售不同类别的液态奶为研究对象，利用ATR-FTIR采集样品的红外光谱。分析确定了红外光谱区域2990-2850cm^-1、1800-1700cm^-1和1600-900cm^-1为特征向量，自动基线校正和一阶求导处理为光谱数据处理方法，建立牛奶中蛋白质、脂肪和乳糖组分的偏最小二乘（Partial Least Squares，PLS）回归模型效果最佳。模型对蛋白质、脂肪和乳糖的预测相关性分别为0.948、0.961和0.989，预测效果良好。说明ATR-FTIR结合PLS对牛奶进行多组分分析是可行的。选取市售不同批次的纯牛奶为研究对象，掺入不同浓度尿素和葡萄糖两种掺假物，利用ATR-FTIR采集样品的红外光谱。分析确定了红外光谱区域2990-2850cm^-1，1700-1655cm^-1和1600-900cm^-1为特征向量，自动基线校正和Savitzky-Goaly多项式9点平滑处理为光谱数据处理方法，建立掺假奶SIMCA模型效果最优。在5%显著性水平下，模型对尿素和葡萄糖两种掺假奶的可识别检测限为0.010%（w/v），识别率和拒绝率均大于87%。进一步建立掺假物的PLS回归模型，尿素和葡萄糖的最优模型分别在红外光谱区域1700-1655cm^-1+1600-900cm^-1和2990-2850cm^-1+1500-900cm^-1通过自动基线校正和Savitzky-Goaly多项式9点平滑处理获得。模型对尿素和葡萄糖的预测相关性分别为0.945和0.942，预测效果良好。说明ATR-FTIR结合SIMCA及PLS对掺假奶进行快速识别及掺假物含量分析是可行的。