近红外光谱技术结合化学计量学手段应用于食品产地鉴别方面，欧盟研究的较多，我国在此方面的研究相对较少。来自黑龙江八一农垦大学食品学院的钱丽丽、宋雪健和张东杰等人采用FTNIS法进行大米样品光谱的预处理，结合鉴别分析、聚类分析及定量分析建立五常大米产地判别模型，为五常地理标志大米产地保护研究提供一定的理论支撑。
1
不同波段及预处理方法的选择对定性分析建模效果的影响
在I区即波段7500～9000 cm?1处为C—H的二级倍频伸缩振动，其中8321 cm?1附近的吸收峰脂肪烃中甲基（—CH）基团引起的；在II区即5500～7500 cm?1处是C—H第二组合频区，在6846 cm?1附近的吸收峰是因—CH2二级振动所引起的，因与样品中氨基酸种类及含量有关，所以较I区信息稍强些；在III区即4000～5500 cm?1处是C—H第一组合频谱区，是表征蛋白质及淀粉物质中的N—H、C—H、O—H及C＝O键振动的主要区间，其中5173 cm?1处的吸收峰与其有关
根据S值的大小来衡量模型的质量，结果发现，在波段为5000～5500 cm?1、预处理方式为二阶导数＋5 点平滑时，五常大米和非五常大米样品均被唯一鉴别，且S值为1.287，数值最大，在其他条件下虽然有被唯一鉴别的情况出现，但是S值相对较低，即两类样品“距离”较近，建立的模型容易出现误判的情况，鉴别率低。故在波段为5000～5500 cm?1，选取二阶导数＋5 点平滑建立鉴别分析模型。
在波段为5000～5500 cm?1，预处理方法为二阶导数＋矢量归一化＋5 点平滑对原始光谱进行处理后分类且两类大米之间的光谱距离为0.087。综合以上结果，故选二阶导数＋矢量归一化＋5 点平滑建立聚类分析模型。
2
定性分析模型的验证
结果表明，五常地域的大米鉴别正确率为100%，非五常地域的大米鉴别正确率为97.50%。
3
不同波段及预处理方法的选择对定量分析建模效果的影响
经过筛选、排除异常点等处理后，筛选出最优组合波段为9400.9～6098 cm?1与5450.6～4249.8 cm?1组合，预处理方式为二阶导数＋17 点平滑时，维数为9，R2为99.05%，RMSECV值为0.0383，故选此建立定量分析模型。
4
定量分析模型的验证结果
五常地区的大米判别正确率为95.83%，非五常地区的大米判别正确率为95.00%。
结 论
利用因子化法结合FTNIS技术所建立的鉴别分析模型对五常地区大米的鉴别正确率为100%，非五常地域的大米鉴别正确率为97.50%；利用聚类分析模型判别，对五常大米的判别正确率为100%，非五常大米判别正确率为100%。利用偏最小二乘法结合FTNIS建立的定量分析模型对五常大米判别正确率为95.83%，非五常大米判别正确率为95.00%。通过以上研究结果可知FTNIS法对五常大米产地鉴别是可行的。
