利用太赫兹时域光谱技术对黄耆类牧草种子样品进行测试，得到5种常见沙打旺牧草种子在0.2~1.2 THz有效频率范围内的太赫兹时域谱，然后通过快速傅里叶变换得到了各牧草种子样品的吸收系数、折射率等光学参数。研究后发现：在有效频率范围内，样品时域谱的峰值强度和延迟时间均不同，且每条谱线的平均吸收系数和标准差也有明显差异，各样品的平均折射率也有较大差异。同时，本文提出了一种将主成分分析（PCA）与随机森林（RF）机器学习算法相结合的优化实验数据的混合模型PCA-RF，并基于太赫兹折射率谱，采用PCA-RF模型和RF模型对5种牧草种子的200个数据集进行了统计计算。结果表明：混合模型PCA-RF的平均分类准确率为91.20%；与RF模型相比，不管是总的平均分类准确率，还是每种样品的分类准确率，PCA-RF模型都优于RF模型。研究结果表明，太赫兹时域光谱技术结合混合机器学习算法的PCA-RF模型是一种无损鉴定牧草种子真伪的有效手段，可用于鉴别同族且差异较小的牧草品种。

这项研究是利用太赫兹时域光谱(THz-TDS)技术结合多元统计方法, 对14种外表看起来极其类似的不同苜蓿牧草品种进行鉴定识别的可行性研究。 通过实验测试获得苜蓿牧草品种在0.1～1.5 THz有效波段的吸收系数和折射率等光谱参数, 并且测试光谱揭示不同种类的苜蓿牧草在时间延迟、 吸收强度和折射率等物理参量的平均值上都有所不同。 尽管以上提到的这些太赫兹特征差异意味着太赫兹时域光谱(THz-TDS)鉴定识别牧草品种是可行的, 但是, 由于没有特征吸收峰作为指纹谱识别依据, 因此, 本文利用多元统计方法聚类分析(CA)和主成分分析(PCA)在光谱参数和不同品种的苜蓿草种之间建立模型用以进行辅助验证, 通过CA方法计算得到牧草间的欧氏距离以及通过PCA方法获得牧草的任何两个样本的PC1分值显示CA和PCA之间存在着很好的一致性, 说明CA和PCA两种多样统计方法均能反映牧草间的差异。 因此, 太赫兹时域光谱技术结合多元统计方法能够成为一种有效的快速检测识别不同苜蓿牧草品种的方法, 进而为将来建立牧草品种太赫兹光谱数据库奠定基础。