吉林省地理位置得天独厚,其中前郭尔罗斯大米至今已有70余年的历史,并被认定为地理标志大米,多年前便已成为享誉国内的米中上品。因地理标志大米有着更优的品质和口碑,致使市场上地理标志大米掺假现象泛滥、鱼龙混杂。目前大米产地确证体系建立不合理、不完善,存在着很多漏洞,因此一种科学准确的大米产地确证技术的研究和建立具有重要意义。本文主要探讨特征级数据融合技术在本省不同区域产地确证上应用的可行性。为提高模型精度,提出了近红外光谱和矿物质元素的多元数据融合技术进行大米产地确证的新方法,采用反向传播人工神经网络(Back-Propagation Artificial Neural Network)算法建立前郭大米产地确证模型,为吉林省前郭大米的产地确证研究提供新的思路和方法。主要结论如下:(1)综合比较三种层次的数据融合方法,得出特征级数据融合方法更适用本次融合的数据类型,并结合BP人工神经网络算法建模。(2)运用矿物元素数据结合BP人工神经网络建立的前郭大米产地确证模型训练集准确率为100%,测试集准确率为92.31%,能够较准确的进行前郭大米的产地确证。(3)经过5种近红外光谱预处理方法后,使用Savitzky-Golay卷积平滑预处理的数据利用主成分分析法(PCA)进行数据降维后建立的BP人工神经网络模型,模型训练集准确率为100%,测试集准确率为96.15%。(4)基于特征级数据融合技术的BP人工神经网络模型训练集准确率为100%,测试集准确率为100%。与单一光谱指纹信息模型(96.15%)和矿物质元素模型(92.31%)相比分别提高了3.85%和7.69%。特征级数据融合技术结合BP人工神经网络技术能够准确的对前郭大米进行产地确证。(5)数据融合技术结合BP人工神经模型对比其他两种单一数据域的BP神经网络模型精度更高,泛化能力更强,证明此方法在前郭大米产地确证方面具有可行性。