地理标志是评价农产品质量的重要标签,因生长环境和产地的优势,形成了地标大米独特的内在品质。梅河大米因地理位置(黄金水稻带)和优质的水源(辉发河),形成了具有自身特色的高品质指标。具有较高经济价值的梅河大米,因其自身的产量有限,所以市场上充斥了大量的掺假米和假冒米,不但破坏了市场秩序还损害了消费者的利益。在信息物流高速发展的今天,如何保证梅河大米的品质不受其他因素的影响,需要建立一种高效快速的梅河大米检测技术。随着现代科技的高速发展,食品行业迅速崛起,用简单高效的检测方法替代复杂耗时的传统方法成为当下研究的热门话题,高光谱成像技术作为当下无损检测的技术之一,其对大米内在品质的观测更为全面。本文以产自梅河四个产区(曙光镇、湾龙乡、黑山头镇和吉乐乡)的3个品种(稻花香、秋田小町和吉粳60)大米作为实验样品。使用高光谱成像技术对梅河大米的理化指标进行快速无损的检测,得到脂肪酸含量和蛋白质含量的PLSR预测模型,实现了对梅河大米品质的快速无损鉴定,之后可用此方法对大米里的其他成分进行检测,确保梅河大米的品质。本文通过对梅河大米光谱数据和理化指标的判别分析,可以得到更加准确的梅河大米产地品种的溯源信息,为之后对梅河大米品质的鉴定提供依据,最后利用光谱数据完成了梅河大米内部与外部的产地判别,减少掺假米在市场上的流通。为实现高光谱对大米脂肪酸和蛋白质含量的测定,将经过垄谷去糙后的大米样本按照3×5网格随机摆放至载物台黑板上进行高光谱图像的采集,用ENVI5.0提取出感兴趣区域内的平均光谱信息,通过MATLAB2016a对大米的数据进行后续的建模。通过光谱结合脂肪酸和蛋白质的含量,得到了梅河大米脂肪酸和蛋白质的预测模型。两者的最优模型均为PLSR模型,对光谱数据进行SPA特征波段的提取,分别以得到的26个特征波段和27个特征波段为自变量,建立脂肪酸和蛋白质含量的预测模型,为了实现更加直观的表达,本文将提取的大米高光谱图像所有像素点的光谱数据带入已建好的脂肪酸和蛋白质含量的预测模型,得到各像素点的脂肪酸和蛋白质含量,并将高光谱灰度图像放入MATLAB进行伪彩色处理,可视化了大米中脂肪酸和蛋白质含量的分布情况。通过采用大米高光谱数据对梅河大米的产地和品种进行判别分析,得到不同品种四个产区的Fisher’s判别模型和BP神经网络模型的准确率为86.30%和93.40%,同一品种大米四个产区的Fisher’s判别模型和BP神经网络模型的准确率为95.80%和97.10%;梅河与非梅河大米的Fisher’s判别模型和BP神经网络模型的准确率为93.8%和94.83%,梅河三个品种的Fisher’s判别模型和BP神经网络模型的准确率为97.30%和97.70%;实现了对梅河大米的快速无损的产地品种判别分析。为了明确梅河大米营养成分分布情况,对来自不同产区不同品种的大米进行了品种和产地的双因素方差分析,证明四个理化指标(脂肪酸、蛋白质、灰分、脂肪)在品种和产地间存在显著性差异。对不同产地不同品种的大米进行产地和品种的判别分析,可以看出理化指标的分布因产区和品种的不同,形成了其独有的理化分布特征。使用单一理化指标对大米品种和产地进行判别,判别的准确率较低;之后进行四个指标结合的判别分析,对同一品种不同产区梅河大米的产地判别,判别率越高表明该品种大米的理化指标分布在产区间有其自己的特色,可以更加准确的对梅河大米产地进行判断,而对同一产地不同品种的大米进行判别可以看出在该产区品种理化指标的分布是否形成其独有的特征,判别准确率越高说明在该产区品种因素对理化指标会产生较大的影响。