本文以宁夏滩羊肉为研究对象,利用近红外光谱技术（near-infrared reflectance spectroscopy,NIRS）结合气相色谱法构建滩羊肉中5种特征性脂肪酸的偏最小二乘回归模型（partial least squares regression,PLSR）,并在建模过程中使用不同的光谱预处理方法和竞争性自适应重加权算法（competitive adaptive reweighting algorithm,CARS）以及间隔随机蛙跳算法（interval random frog,IRF）,以期望提高模型性能。在试验过程采用冷冻干燥,建立冻干滩羊肉的特征性脂肪酸含量的PLSR模型,并与新鲜滩羊肉模型进行比较。具体内容和结论如下:（1）滩羊肉中油酸和亚油酸近红外模型建立:对于油酸含量预测模型,模型性能较好的是基于全波长建立的模型,处理方法为SNV+一阶导,Rc为0.8895,RMSECV为10.2515,Rp为0.7315,RMSEP为9.9815;对于亚油酸含量预测模型来说,模型性能最好的是经IRF算法提取特征波长后,利用原始光谱和经S-G平滑的光谱建立的模型校正集相关系数Rc可以达到0.9以上,其中原始光谱建立的模型Rc较高,为0.9912,RMSECV为0.0118,Rp为0.9879,RMSEP为0.0122。结果表明,近红外光谱技术可以实现对滩羊肉中油酸含量的粗略预测,并且可以较为准确的预测滩羊肉中亚油酸的含量。（2）滩羊肉中棕榈酸、亚麻酸及花生四烯酸近红外模型建立:滩羊肉亚麻酸含量预测模型中Rc最高的是使用全波长,经过MSC结合一阶导数处理的光谱模型,为0.8414,但是其预测集的相关系数Rp为0.5870;对于花生四烯酸含量预测模型,模型性能较好的是基于CARS算法建立的模型,其Rc为0.8035,Rp为0.7560,相较于建立的其他花生四烯酸含量模型,Rp有了一定的提高;建立的棕榈酸含量预测模型,其性能均较差。结果表明,近红外光谱技术对于这三种脂肪酸的快速测定模型还需要进一步完善。（3）新鲜滩羊肉与冻干滩羊肉中5种特征性脂肪酸的近红外模型精度比较:冻干滩羊肉中油酸含量模型较好的是基于IRF算法,经MSC+一阶导处理后的,Rc达到了 0.9531,RMSECV为11.1913,对应的Rp为0.8076,RMSEP为8.3919。冻干滩羊肉中棕榈酸含量预测模型性能较好的是基于IRF算法建立的模型,Rc较高的预处理方法为SNV+一阶导、MSC+一阶导以及一阶导,分别为0.8318、0.8315和0.8325,对应的Rp分别为0.8302、0.8284、0.8135,RMSEP为9.2141、9.2258和9.1928,预测集相关系数均达到了 0.8以上;基于CARS算法建立的冻干滩羊肉模型,Rc为0.8667,RMSECV为9.4860,Rp则为0.8339,RMSEP为8.2375。经过冷冻干燥后,基于IRF算法建立的亚麻酸含量预测模型Rc得到了提升,但是依然低于0.8。结果表明,冷冻干燥技术在一定程度上可以改善油酸、棕榈酸及亚麻酸含量的模型性能,但显著降低了亚油酸和花生四烯酸含量预测模型性能。