金银花和山银花均为忍冬科植物，二者外形颇为相似，但化学组成和含量、功效以及价格存在着显著差异。一些不法商家为获取超额利润，以价廉的山银花冒充金银花进行售卖，消费者仅凭肉眼较难准确鉴别。现阶段尚缺少金银花与山银花的无损鉴别研究。近红外(NIR)光谱技术可以实现复杂样品的快速无损分析，通过结合偏最小二乘判别分析(PLS-DA)等模式识别方法可以实现不同来源样品的鉴别分析。然而，光谱变量过多易导致PLS-DA方法出现过拟合的问题。本研究利用光栅型便携式NIR光谱仪采集了3个产地的643份金银花与本地200份山银花的光谱。此外，一个月后收集3个产地金银花与本地山银花样品各50份作为独立验证集。提出了一种新型模式识别方法——随机检验(RT)-PLS-DA,并与主成分分析(PCA)、 PLS-DA以及现有的变量筛选-PLS-DA方法如竞争性自适应重加权采样法(CARS)-PLS-DA和蒙特卡罗-无信息变量消除法(MC-UVE)-PLS-DA进行了比较，利用光谱预处理进一步提高模型的准确性。结果表明：NIR原始光谱中存在严重的谱峰重叠、基线漂移及背景干扰；即使结合优化预处理方法，PCA模型仍无法实现金银花与山银花的准确鉴别；一阶导数(1st)或连续小波变换(CWT)预处理结合PLS-DA模型可以获得较为准确的鉴别结果，验证集和独立验证集的鉴别率分别为100%和98%; 3种变量筛选方法-PLS-DA方法中，CARS方法选择变量数最少，RT方法在选择特征变量的同时还可获得满意的鉴别率。1st-RT-PLS-DA模型最佳，验证集和独立验证集的鉴别率分别为100%和99.50%。以上结果表明，便携式NIR光谱仪结合变量筛选-PLS-DA策略可实现金银花与山银花的准确鉴别，为中药材掺伪快速鉴定提供了新的思路。