随着人们生活水平的提高及保健意识的加强,来自于纯天然的蜂蜜因富含复杂的营养物质和保健功效成分而深受消费者青睐,销售量也呈逐年上升趋势。然而,近年来我国蜂蜜品质状况不容乐观,尤其是品种良莠不齐,标识不清,掺假蜜频频出现,以假乱真,以次充好的现象越来越普遍。因此,如何科学检测和有效监控蜂蜜质量仍是我国目前蜂业发展中亟待解决的关键技术问题。本文以蜂蜜为研究对象,利用傅立叶近红外光谱分析技术和多种化学计量学分析方法,开展蜂蜜品种鉴别、组分定量和真伪鉴别技术研究,并建立相应的数学模型,通过比较分析,综合评价了我国蜂蜜质量,得出的主要研究结果如下:1、通过优化仪器采集条件和参数,最终确定了光纤透反射模式、扫描分辨率(8 cm^-1)、扫描次数（32次）、采集温度（40℃）、光程等光谱采集最优化组合。2、探讨了蜂蜜品种、采集温度、蜂蜜产地等不同因素对蜂蜜近红外光谱响应特性的影响。在大部分波段范围内,不同品种蜂蜜光谱存在显著差异,不同采集温度影响光谱特性,不同产地来源的蜂蜜光谱亦有所差别。3、采用不同的光谱预处理方法,建立了不同波段范围内的马氏距离判别分析（MD-DA）、判别偏最小二乘法（DPLS）和人工神经网络（ANN）等三种蜂蜜品种识别模型,对比分析了这三种模型的识别效果。研究结果表明,MD-DA结合一阶导数和卷积平滑处理光谱所建模型最优,其校正集和预测集样品识别率分别为87.4 %和85.3 %。DPLS结合一阶导数光谱在10000～4200 cm^-1波段建立的鉴别模型校正集和预测集样品识别率分别为70.8 %和70.7 %。在隐含层数为10、学习速率为0.4条件下建立的ANN模型校正集和预测集样品识别率分别为90.9 %和89.3 %。三者最优模型中非线性模型ANN的识别效果好于其他两种。4、在11800～4100 cm^-1光谱范围内,分别建立了混合品种蜂蜜的还原糖、葡萄糖、果糖、水分、蔗糖、麦芽糖、淀粉酶、酸度、羟甲基糖醛9个指标的偏最小二乘法（PLS）、多元线性回归（MLR）模型。其中PLS模型的各指标RPD值分别为2.44、1.85、2.32、1.52、1.24、1.40、1.87、1.46和1.21,蔗糖、麦芽糖、淀粉酶、酸度、羟甲基糖醛的光谱经过导数处理后的PLS模型性能显著提高。各指标的MLR模型RPD值分别为2.26、1.86、2.32、1.50、1.69、1.07、1.27、1.70和1.49,与PLS模型的预测能力相当。还原糖、葡萄糖、果糖、水分模型预测精度均好于其他指标。5、针对含量较高的还原糖、葡萄糖、果糖,采用BiPLS、SiPLS分别对近红外信息区间进行优化并建立模型,各指标对应的BiPLS模型的相关系数分别为0.913、0.903、0.881,RMSEP分别为1.92、1.73、1.15,RPD值分别为2.06、2.01、2.28。SiPLS模型的相关系数分别为0.916、0.921、0.902,RMSEP分别为1.77、1.73、1.16,RPD值分别为2.24、2.01、2.26,与BiPLS优化模型相比,SiPLS模型的预测精度与之相当。用ANN建立了蜂蜜还原糖、葡萄糖、果糖的定量非线性模型,相关系数分别为0.916、0.926、0.921,RMSEP分别为1.53、1.37、1.13,RPD值分别为2.59、2.53和2.32。相比线性模型,非线性模型的预测性能有所提高。6、采用近红外透反射光谱结合距离匹配法（DM）、MD-DA、DPLS三种化学计量学方法,分别建立纯蜂蜜和掺C-4植物糖假蜂蜜的判别模型。研究结果表明,DM结合标准正态化（SNV）和一阶导数光谱预处理建立的模型总判别率为87.1 %,纯蜂蜜判别率为75 %,掺假蜜判别率为98.6 %;MD-DA结合原始光谱建立的鉴别模型总判别率为90.0 %,纯蜂蜜、掺假蜜判别率分别为100 %、81.1 %;DPLS结合一阶导数,中心化和13点平滑处理所建立的模型总判别率、纯蜂蜜、掺假蜜判别率分别为89.1 %、97.7 %、82 %。三者总判别率没有明显差异。