厚度为0.8 mm的超薄纤维板是目前纤维板品类中的试验创新产品, 树皮含量对其生产设备参数的设定以及静曲强度、 耐水性等质量指标影响较大, 精确测定超薄纤维板木纤维中树皮含量极为重要。 目前树皮含量的精确测定较为困难, 本试验通过高光谱近红外成像系统结合相关算法建立了纤维树皮含量检测模型, 创新了纤维树皮含量的检测方法。 利用高光谱成像仪分别测定了含有杨木树皮为0%、 3%、 5%、 7%、 10%、 12%、 15%、 20%、 25%、 30%和100%的杨木纤维样本的光谱图像。 分析了采用均值中心化（MC）、 多元散射校正（MSC）、 标准正态变量变换（SNV）以及一阶（1-Der）导数四种预处理的对比结果, 从而选择最优预处理方法为MSC。 对MSC预处理后的光谱数据采用SPA及CARS进行特征波长提取, 得到与树皮含量相关性最高的波段组合, 并与全波段模型进行对比分析, 建立偏最小二乘回归（PLSR）模型。 从实验数据可以看出: MC, MSC, SNV 和1-Der四种预处理建立的偏最小二乘回归（PLSR）模型预测性能存在差异, 其中全波段MSC-PLSR模型的性能最好, 其校正决定系数R2C为0.994, 预测决定系数R2P为0.985, 校正均方根误差RMSEC为0.831%, 预测均方根误差RMSEP为1.336%。 通过SPA和CARS分别提取了37个和49个特征波段, 其中CARS模型更好, 其R2C值为0.991, R2P值为0.979, RMSEC值为0.885%, RMSEP值为1.335%。 实验结果表明: 高光谱成像系统结合相应算法可以实现对纤维树皮含量的检测, 该研究结果为超薄纤维板生产中树皮含量的检测提供了技术支持和理论参考, 可以有效实现纤维中树皮含量的定量检测, 创新建立了一种能够测定纤维板树皮含量的模型方法。