为了实现对掺伪芝麻油的快速鉴别， 应用FS920荧光光谱仪测定样品的三维荧光光谱数据。 将三维荧光光谱图视为灰度图， 在没有任何预处理的前提下， 直接应用Zernike图像矩提取三维光谱灰度图的特征信息， 然后采用类平均法对特征信息进行聚类分析， 从定性角度实现掺伪芝麻油的鉴别， 并解析其组成成分。 最后应用广义回归神经网络（GRNN）对掺伪样本的成分进行定量分析。 聚类分析能够以很高的辨识率来识别掺伪芝麻油， 并能够正确解析其组成成分。 定量模型预测了2组掺伪样本中各成分的相对体积， 其平均相对误差分别为2.23%， 8.00%， 9.70%和9.70%。 分析结果表明， Zernike矩能够有效提取光谱的特征信息， 光谱数据的Zernike矩特征结合聚类分析以及GRNN模型能够获得良好的定性和定量分析结果， 为掺伪芝麻油的鉴别提供了一种新的方法。

应用FS920荧光光谱仪测定样品的三维荧光光谱数据，直接利用Tchebichef矩提取三维光谱灰度图的特征信息，然后对其进行聚类分析，最后通过逐步回归建立样本中各成分的线性模型。聚类分析能够准确识别掺伪芝麻油，并正确解析其组成成分,得到的线性模型相关系数R＞0.99。研究表明，Tchebichef矩能够有效提取光谱的特征信息，应用于掺伪芝麻油鉴别可获得良好的定性和定量分析结果。