“粮食安全问题”关系到社会稳定和人民群众的根本利益。小米是我国重要粮食作物之一，受气候、土壤元素等因素影响，不同产区小米的营养成分具有差异性。在经济利益的驱动下，一些不法商家假冒小米地理源信息，扰乱市场秩序，加大了小米及其他农产品质量安全的监控难度，同时对小米产地溯源方法和技术提出了更高的要求。目前，国内外对主要粮食作物如:麦、豆、稻等农产品的高光谱溯源研究已经非常充实，无论是理论研究还是实践操作，高光谱均具有农产品产地溯源的可行性。相较而言，当前高光谱技术在小米产地溯源方面的研究尚少。因此，开发适用于小米产地高效、精准的溯源方法对我国粮食安全及农产品地理标志保护有着重要意义。本研究以全国3个主产区的小米样本作为研究对象，提出一种基于高光谱的小米产地溯源模型，具体研究内容包括以下几个方面:
　　(1)得出一种基于高光谱的小米产地溯源模型:SNV-SCARS-PSO-SVM。采用多元散射校正(MSC)、标准正态变换(SNV)等11种预处理方法进行降噪滤波，基于预处理后的数据建立模型，分析得出最佳预处理方法为SNV;利用连续投影算法(SPA)、稳定性竞争自适应重加权采样算法(SCARS)等4种降维方法，对预处理后的数据降维。基于偏最小二乘判别分析(PLS-DA)、随机森林(RF)、支持向量机(SVM)及粒子群参数优化的支持向量机(PSO-SVM)4种建模方法，建立小米产地溯源模型，根据模型溯源判别效果确定最佳降维方法及建模方法为SCARS及PSO-SVM，最终得到最优组合模型为SNV-SCARS-PSO-SVM。
　　(2)引入参数寻优算法，实现小米产地溯源模型优化。引入粒子群算法(PSO)优化SVM模型重要参数寻优过程，对比分析不同模型溯源判别效果，其中PSO算法优化后的SVM模型对小米产地溯源判别效果最佳，较参数随机的SVM模型，准确率和Kappa系数由84.25％和0.766提升至92.86％和0.900。PLS-DA模型的判别效果仅次子PSO-SVM，准确率和Kappa系数为92.63％和0.893。
　　(3)提出小米“产区-产地”二级溯源策略，实现小米产地溯源模型改进。就实验过程中发现的聚类现象和干扰影响，提出“产区-产地”二级溯源策略，首先对小米产区进行判别，接着对小米产地进行溯源。基于策略建立小米产地溯源模型，PSO-SVM模型得到了最佳判别效果，模型判别产区(中部、东北、西北)的准确率和Kappa系数为98.07％和0.976，中部地区(河南、山西)的准确率和Kappa系数为97.50％和0.950，东北地区(黑龙江、内蒙古)的准确率和Kappa系数为97.44％和0.949，判别西北地区(甘肃、宁夏、陕西)准确率和Kappa系数为96.74％和0.931。基于“产区-产地”二级溯源策略的小米产地溯源模型准确率和Kappa系数显著提高。
　　综上，本研究为高光谱技术应用于小米产地溯源提供了一种高效率、高精度的定性分析模型，为小米及其他农产品产地溯源提供了可靠的技术支撑，为小米及其他农产品地理源鉴别提供了一种全新的研究思路。