为实现当归药材中掺伪物质的快速、准确定量分析，本研究提出了一种近红外光谱技术结合系统性化学计量学方法优化的分析策略。设计了75个当归与独活的掺伪样品，采集样品的近红外漫反射光谱。系统比较了主成分回归（Principal Component Regression, PCR）、偏最小二乘回归（Partial Least Squares Regression, PLSR）、反向传播人工神经网络（Backpropagation Artificial Neural Network, BP-ANN）、支持向量回归（Support Vector Regression, SVR）和极限学习机（Extreme Learning Machine, ELM）五种多元校正模型的性能。在最佳建模方法的基础上，考察了SG平滑、多元散射校正（Multiplicative Scatter Correction, MSC）、连续小波变换（Continuous Wavelet Transform, CWT）及其组合等18种预处理方法。在最佳预处理方法的基础上，进一步考察无信息变量消除（Uninformative Variable Elimination, UVE）、蒙特卡罗-无信息变量消除（Monte Carlo Uninformative Variable Elimination, MC-UVE）、随机检验（Randomization Test, RT）、竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling, CARS）、鲸鱼优化算法（Whale Optimization Algorithm, WOA）、蝴蝶优化算法（Butterfly Optimization Algorithm, BOA）等6种变量选择算法的效果。结果表明，PLSR是最佳的多元校正方法。经2nd Der预处理结合BOA变量选择的PLSR（2nd Der-BOA-PLSR）模型对当归组分的定量效果最优模型；经MSC预处理结合WOA变量选择的PLSR（MSC-WOA-PLSR）对独活组分的定量效果最优，相关系数均达0.99以上。本研究验证了近红外光谱技术结合化学计量学在中药掺伪定量分析中的可行性，为中药材质量快速准确定量提供了可靠方法。