针对市场上销售的蔬菜存在的农药残留问题，提出了一种高效无损的小白菜农药残留定性分类鉴别方法。将3组小白菜叶片和氯氟氰菊酯农药作为研究对象，并分别对其中的2组小白菜喷洒2种不同浓度 （农药与水的配比分别为1∶500和1∶20）的农药，从而形成不含农药、含轻度农残和含重度农残的三类样本。然后分别采集三类样本的近红外光谱数据，并对其进行小波软阈值预处理，再利用主成分分析 （Principal Component Analysis，PCA）对数据进行降维，最后采用Fisher判决和K近邻 (K-Nearest Neighbor, KNN)分类方法进行鉴别。实验结果表明，此方法对无农药残留与含轻度农药残留两类样本的正确鉴别率为95%，且对含轻度农残与含重度农残两类样本的正确鉴别率为90%。因此，本文方法可用于对小白菜农残进行有效的定性分类鉴别，为蔬菜农残定性分类鉴别提供了一种新思路。

以乐山产正品竹叶青、劣质竹叶青和峨眉山毛峰为研究对象, 提出了一种基于近红外光谱的不同茶叶品种分类识别算法。该算法采用多元散射校正(Multiplicative Scatter Correction, MSC)对3种茶叶的近红外光谱数据进行预处理, 最大限度地扣除光谱数据中的随机变异; 再采用主成分分析算法(Principal Component Analysis, PCA)对预处理后的光谱数据进行降维, 去除冗余; 接下来进行线性判别分析(Linear Discriminant Analysis, LDA), 进一步提取特征; 最后采用K_近邻算法(K_Nearest Neighbor, KNN)对LDA结果的前两个特征进行分类, 从而达到对茶叶进行定性分类的目的。实验结果表明, 该算法能有效地对3种茶叶进行分类, 正确识别率达到100%。本研究为不同品种茶叶的分类识别提供了一种新思路。