探讨了可见-近红外光谱技术快速无损识别不同品牌车蜡的可行性。 实验一共获得104 样本， 其中40个样本（建模集）用于建立模型， 剩余64个样本（预测集）被用于独立验证建立好的模型。 基于五种不同品牌车蜡的可见-近红外光谱分别建立了线性判别分析（linear Discriminant Analysis， LDA）和最小二乘支持向量机（least square-support vector machine, LS-SVM）模型。 基于两个算法的全波段光谱模型的预测集正确率分别达到了84%和97%。 进一步采用连续投影算法（successive projections algorithm, SPA）算法从751波段中选取了7个特征波段（351, 365, 401, 441, 605, 926和980 nm）。 基于SPA选择的变量建立LS-SVM模型， 准确率依然保持在97%。 说明SPA选择的特征波段包含了对于车蜡品牌鉴别最重要的光谱信息， 而大多数无用信息则被有效剔除。 将SPA与LS-SVM算法的车蜡识别模型在保证正确率的基础上， 还可以大大降低模型计算复杂程度， 说明该模型能快速准确的从车蜡可见-近红外光谱中提取有效信息， 并实现车蜡品牌的无损鉴别。