薏仁是一种药食两用资源, 对其品质快速鉴别的需求也越来越多, 近红外光谱技术（near infrared spectroscopy, NIRS）作为一种快速、 无损且环保的方法正适合这一需求。 以不同产地和品种薏仁的近红外光谱为基础, 结合化学计量学方法对薏仁种类进行鉴别。 对原光谱用无监督学习算法主成分分析（principal component analysis, PCA）和有监督学习算法学习向量量化（learning vector quantization, LVQ）神经网络、 支持向量机（support vector machine, SVM）进行定性判别分析。 由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近, 所选两类薏仁的特征变量很相似, 因而PCA得分图重叠严重, 很难区分; 而LVQ神经网络和SVM都能得到满意结果, LVQ神经网络的预测正确率为90.91%, SVM在经过惩罚参数和核函数参数优选后, 分类准确率能达到100%。 结果表明: 近红外光谱技术结合化学计量学方法可作为一种快速、 无损、 可靠的方法用于薏仁种类的鉴别, 并为市场规范提供技术参考。