红木家具市场以次充好、以假乱真的现象非常普遍, 导致消费者对其真伪难以鉴别。目前对于近红外识别木材种类的研究已经很多, 但对成品家具而言, 表面涂饰是阻碍近红外光谱检测的最大障碍。因此本文通过对不同种类油漆涂层覆盖下木材近红外光谱特征分析, 提出了一种主成分分析(Principal Component Analysis, PCA)结合BP神经网络(Back Propagation)的红木家具种类鉴别方法。以市面上易混淆的交趾黄檀和微凹黄檀为试验对象, 首先使用近红外光谱仪采集光谱数据, 比较了原木与家具的光谱差异, 然后采用标准正态变量变换(Standard Normal Variate Transformation, SNV)的预处理方法, 再利用主成分分析法以累积贡献率大于95%的主成分作为样品特征, 构建3层BP神经网络模型。结果表明: 基于主成分分析的BP神经网络的方法能较好的鉴别交趾黄檀和微凹黄檀两种红木家具, 预测结果准确率分别为92.59%和94.38%, 给红木家具种类的鉴别提供了一种新的可靠的方法。