聚合物薄膜中的杂质会显著影响其性能与稳定性，因此准确且快速地检测这些杂质显得极为重要。本文介绍了基于透射红外光谱成像的多变量分析方法，以此作为检测和量化杂质的概念验证。所开发的方法能够实现杂质的检测、浓度的定量评估以及其在聚合物薄膜中的空间定位。在已知杂质红外光谱的情况下，传统最小二乘法及监督式机器学习模型在可控的合成测试数据集中分别以低于0.1%和0.8%的均值绝对误差预测杂质浓度；而在杂质或其光谱未知的情况下，基于主成分分析的无监督方法在合成测试条件下能以超过90%的准确率识别出与杂质相关的异常光谱。该工作流程还在实验收集的数据集上进行了测试，证明了其在无需过多预处理即可实现快速、高通量检测方面的实用性，同时也适用于自动化样品处理。最后，我们指出了进一步改进的方向，尤其是在减少红外测量过程中大气水蒸气和二氧化碳波动带来的影响方面。
