利用高光谱成像技术与二维相关光谱（2D-COS）结合化学计量学检测灵武长枣半纤维素含量。采用定量瘀伤装置获得0，Ⅰ，Ⅱ，Ⅲ，Ⅳ级瘀伤长枣模型，通过高光谱和分光光度计分别获得样品高光谱图像和半纤维素含量。蒙特卡洛异常值检测法剔除异常样本后，分别用随机划分法（RS）,Kennard-Stone法（KS）、光谱-理化值共生距离法（SPXY）和3:1比例法对样本集划分校正预测。采用基线校准（Baseline）、去趋势（De-trending）和标准化（Normalize）对长枣原始光谱预处理后建立偏最小二乘回归模型（PLSR），优选最佳样本集划分及预处理方法。利用2D-COS将光谱信号扩展到第2维，在全光谱范围内寻找与半纤维素含量相关的敏感波段区间。采用竞争性自适应加权算法（CARS）、引导软收缩（BOSS）、区间变量迭代空间收缩方法（iVISSA）、变量组合集群分析法（VCPA）以及iVISSA+BOSS,iVISSA+CARS和iVISSA+VCPA方法在2D-COS敏感波段区间进行特征波长提取，并建立基于特征波长的PLSR模型。结果表明，样本集经3:1划分和Baseline预处理后建立的基于全波段的PLSR模型最优，故最佳样本集划分方法为3:1，预处理方法为Baseline，用于后续特征波长提取。通过2D-COS分析发现3个与半纤维素相关的自相关峰（401,641和752nm）；在2D-COS敏感区域（401～752nm范围内），采用BOSS,CARS,iVISSA,VCPA,iVISS+BOSS,iVISS+CARS,iVISS+VCPA分别提取了14,26,39,12,15,22和11个对应的特征波长，占总波长的18.9%,35.1%,52.7%,16.2%,20.2%,29.7%和14.8%。对比2D-COS和特征波建立的PLSR模型，2D-COS+iVISSA-PLSR模型效果较好，其RC~2=0.747 9,RP~2=0.604 7,RMSEC=0.043 8,RMSEP=0.060 3。研究表明，利用高光谱成像技术结合2D-COS可实现灵武长枣半纤维素含量的快速检测。