为探究一种快速无损的安溪铁观音品质评价方法, 利用遗传算法(GA)对茶样的近红外光谱特征波长进行筛选, 结合偏最小二乘(PLS), 建立全谱段的PLS定量模型与GA-PLS模型。 结果表明, 傅里叶变换近红外(FT-NIR)全谱段光谱在经过平滑+二阶导数+归一化处理后, PLS模型预测性能最高, 建模结果为: 校正集相关系数RC=0.921, 校正集均方根误差RMSEC=0.543, 验证集相关系数RP=0.913, 验证集均方根误差RMSEP=0.665。 选用近红外光谱6　670～4　000 cm-1谱区, 采用遗传算法进行特征波长筛选, 参与建模数据点数从1　557缩减到408个。 优选波段后, GA-PLS建模结果为: 校正集相关系数RC=0.959, 校正集均方根误差RMSEC=0.413, 验证集相关系数RP=0.940, 验证集均方根误差RMSEP=0.587。 可见, GA-PLS模型的校正集和验证集的预测结果均优于全谱段PLS模型。 结果说明, 在传统的近红外光谱技术结合化学计量学方法的建模基础上, 加入遗传算法进行波长筛选, 能有效提高模型预测能力, 实现方法学的创新研究, 且GA-PLS品质评价模型具有较强的参考和推广价值, 为提高我国茶叶品质的检测技术水平提供新的方法借鉴。