由于环境恶化、耕地面积减少、人口增长等因素导致对粮食的需求急剧增加,转基因技术在作物种植中的应用快速增长。中国是世界上最大的大豆进口国,常有转基因大豆通过非法途径进入中国。传统的转基因成分检测方法费时费力,非专业人员难以胜任,不适用于转基因与非转基因的快速检测鉴别,更无法再进行转基因作物的育种培养。本研究基于中红外光谱技术和高光谱成像技术,研究转基因大豆的品种鉴别和品质检测,对保证转基因大豆的品质及育种培养、管理和作业具有重要意义。本研究主要成果内容如下：(1)研究了非转基因与转基因大豆的品种快速鉴别方法。基于高光谱成像技术,从可见光波段和近红外光波段获取大豆的光谱信息,经去除噪声和MA-7点平滑预处理,利用Bw、x-loading weights、PCA-loadings、SPA和CARS五种不同方法提取对转基因大豆品种敏感的特征波长,基于全谱数据和特征波长分别建立PLS-DA、BPNN、SVM和ELM判别模型并比较判别分析效果。对非转基因大豆进行了品种鉴别,近红外波段的判别效果明显优于可见光谱波段,HC6、JACK、TL1三个品种的预测判别正确率分别达到100.00%、100.00%、92.50%；对转基因大豆进行了品种鉴别,基于全谱光谱数据,可见光波段和近红外光波段中均是BPNN模型判别效果更好,总体判别正确率分别为99.12%和98.67%。基于特征波长,可见光波段和近红外光波段中均是基于CARS的模型判别效果更好,略微优于SPA的,但SPA提取的特征波长个数明显少于CARS的。总体上,高光谱成像技术用于非转基因与转基因大豆的品种鉴别研究是可行的,并且近红外光谱波段的判别效果较好。(2)建立了转基因大豆的蛋白质含量预测方法和模型。基于中红外光谱技术和近红外高光谱成像技术,分别获取大豆的光谱信息并消除噪声,对经WT预处理的中红外光谱数据和经MA-7点平滑预处理的近红外高光谱数据分别建立蛋白质含量的PLS预测模型,均取得较好的预测效果,其中近红外波段的预测结果对品种HC6、JACK和TL1的Rp分别是0.7842、0.9198和0.9371,RMSEP分别是0.6860,0.7240和0.6335,总体效果优于中红外波段的。再利用Bw、x-loading weights、PCA-loadings、SPA和CARS五种方法提取特征波长建立PLS预测模型,中红外波段范围内基于CARS的预测效果最优且略优于基于SPA的,近红外波段范围内基于SPA的预测效果最优,对三个品种的预测结果Rp分别为0.7442、0.8724和0.9145,RMSEP分别是0.7470,0.79442和0.6860。总体上,中红外光谱技术和近红外高光谱成像技术均可用于转基因大豆的蛋白质含量预测,并且近红外光谱波段的预测效果较好。(3)建立了转基因大豆的脂肪含量预测方法和模型。基于中红外光谱技术和近红外高光谱成像技术,分别获取大豆的光谱信息并消除噪声,对经WT预处理的中红外光谱数据和经MA-7点平滑预处理的近红外高光谱数据分别建立脂肪含量的PLS预测模型,均取得较好的预测效果,其中近红外波段的预测结果对三个品种的Rp分别是0.8178、0.9309和0.9452,RMSEP分别是1.0072,1.0336和0.8960,总体效果优于中红外波段的。再利用Bw、x-loading weights、PCA-loadings、SPA和CARS五种方法提取特征波长建立PLS预测模型,中红外波段范围内基于CARS的预测效果最优且略优于基于SPA的,近红外波段范围内基于SPA的预测效果最优,对三个品种的预测结果Rp分别为0.8089、0.9203和0.9557,RMSEP分别是1.0251,1.1696和0.9055。总体上,中红外光谱技术和近红外高光谱成像技术均可用于转基因大豆的脂肪含量预测,并且近红外光谱波段的预测效果较好。