为了实现对安眠药种类的快速准确区分，实验采集了苯二氮卓类、吩噻嗪类和巴比妥类3种安眠镇静类药物共计92份样本的红外光谱数据，经预处理后进行分类模型的构建。实验结果表明，采用串联融合后的数据进行建模分类的准确率优于均值融合和差值融合；原始光谱与一阶导数光谱的指纹区特征变量进行融合后使用随机森林模型进行建模分析，3种安眠药的分类识别率可达100%，能够实现安眠药种类的完全区分。该方法快速准确，可以在一定程度上为司法鉴定领域中安眠药类物质的检验提供一种新的方法和思路。

不法分子通常会在毒品中掺杂其他物质来增加毒品质量，获取高额利润。为了实现掺杂毒品快速准确的定性、定量分析，同时探究不同建模方法、不同波段光谱以及数据降维等对模型分类结果的影响，本文采用衰减全反射-傅里叶变换红外光谱仪采集了咖啡因、葡萄糖、扑热息痛、非那西汀和淀粉5种添加组分与盐酸甲基苯丙胺混合后的红外光谱数据（共计135份），对数据进行预处理后进行分类模型的构建。实验结果表明：特征变量与原始变量相比能达到更高的分类识别准确率；多层感知器和径向基函数可用于5种添加物的分类识别，但不适用于区分不同质量分数的甲基苯丙胺样品；对光谱指纹区数据使用因子分析降维结合Bayes判别分析（BDA）构建的分类模型，在16维和33维变量处能够分别实现5种添加物和不同质量分数甲基苯丙胺样品的完全区分，准确率可达100%。该研究实现了甲基苯丙胺与5种添加组分快速准确的定性定量分析，为毒品来源的推断提供了科学的数据支撑，也为基层民警处理此类案件提供了理论支撑和方法参考。