本发明涉及一种基于迁移学习的烟叶近红外光谱化学成分模型优化方法，属于烟叶检测技术领域，本发明提供的一种基于迁移学习的烟叶近红外光谱化学成分模型优化方法，是在已有近红外光谱烟草检测模型的基础上，为应对原有模型由于环境、气候等因素的变化所产生的精度影响，利用关联‑比率迁移学习的方法迁移碎叶光谱中的有效信息，提升整叶光谱测量模型的稳定性，建立关于总糖、还原糖、总植物碱、钾、氯含量的全新预测模型。本发明所述优化方法能够减少重新采样建模所耗费的工作量，建立更为恒定的预测模型，能用于烟草生产过程中烟叶化学成分的分析，符合烟叶常规化学成分的快速检测要求，获得的数据能够满足烟草生产企业的需求。