现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型，然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。

　　近红外光谱技术主要具有以下优点:

　　1、可以同时测定多种组分;

　　2、分析速度快;

　　3、实现无损和无污染性测试、费用低;

　　4、适应性广,几乎适合各类样品分析;

　　5、可使用光纤实现远程分析检测。

　　近红外光谱技术在许多领域获得了广泛应用,已成功应用于农业、畜牧业、林业、生物、医学、石油化工和工业流程检测等方面,对推进生产和科研领域的技术进步发挥了巨大作用。

　　近红外光谱分析主要包括定性分析和定量分析：

　　1、定性分析

　　近红外光谱定性分析利用模式识别与聚类的一些算法，主要用于鉴定。在模式识别运算时需要有一组用于计算机“学习”的样品集，通过计算机运算，得出学习样品在数学空间的范围，对未知样品运算后，若也在此范围内，则该样品属于学习样品集类型，反之则否定。聚类运算时不需学习样品集，它通过待分析样品的光谱特征，根据光谱近似程度进行分类。

　　2、定量分析

　　近红外光谱分析与其它吸收光谱按照比耳定律作定量分析类似。作常规光谱定量分析时，需要建立光谱参数与样品含量间的关系（标准曲线。但对复杂样品作近红外光谱定量分析时，为了解决近红外谱区重叠与谱图测定不稳定的题目，必须充分应用全光谱的信息。这是由于在近红外光谱中和各个谱区内都包含多种成分的信息（即谱峰重叠、，而同一种组份的信息分布在近红外光谱的多个谱区：不同组分固然在某一谱区可能重叠，但在全光谱范围内不可能完全相同，因此，为了区别不同组分，必须应用全光谱的信息，建立全谱区的光谱特征与待丈量之间的关系——即数学模型。