【摘要】为提高羊肉中营养成分可见-近红外光谱预测模型的稳定性和准确性，本研究以葡萄糖（Glucose，GLU）指标为例，采用遗传算法（Genetic Algorithm ，GA）提取特征波长后，结合标准正态变换（Standard normal transformation，SNV）和多元散射校正（Multiple scattering correction，MSC）两种预处理方式进行偏最小二乘法建立预测模型，对比SNV、MSC预处理直接进行偏最小二乘的建模效果。结果显示：在标准正态变换下遗传偏最小二乘模型（GA-SNV-PLS）优于直接在标准正态变换下偏最小二乘模型（FS-SNV-PLS）。经交叉验证后，模型的均方根误差RMSE（Root mean square error）为0.122，决定系数R~(2)（coefficient of determinant）为0.930，相对分析误差PRD（relative percent deviation）为2.295。相较于全光谱偏最小二乘模型（FS-PLS）、全波段多元散射校正偏最小二乘模型（FS-MSC-PLS）和多元散射下遗传偏最小二乘模型（GA-MSC-PLS），其R和RPD分别提高了95.80%、50.21%、85.05%；62.65%、37.08%、52.54%。由SNV结合遗传算法建立的偏最小二乘模型能够提高模型的预测能力。