产地是影响农作物生产的重要环境因素, 产地溯源对于食品安全具有重要意义。 针对传统农产品产地检测一般采用化学分析法, 其操作繁琐且存在破坏性和耗时较长等不足的问题, 以北方寒地绿豆为研究对象, 分别在白城、 杜蒙、 泰来等优质绿豆主产区, 获取绿豆的籽粒和粉末两种状态的近红外光谱数据（NIR）, 利用优选NIR光谱特征波数, 建立了绿豆产地无损检测的新方法。 首先在吸光度值较强的10 105.37~4 078.655 cm-1波数范围内, 采用多元散射校正法（MSC）, 对不同产地的绿豆原始光谱数据进行预处理, 以消除光谱干扰信息。 应用竞争性自适应重加权采样算法（CARS）, 优选不同产地绿豆籽粒和粉末状态的光谱特征波数, 以减少光谱曲线的特征向量维度。 最后利用前馈神经网络（BP）自适应推理机制, 建立了绿豆产地与其光谱特征波数之间非线性映射模型, 并将网络输出的编码向量解析至产地名称, 作为绿豆产地检测的输出结果。 研究结果表明: （1）原始光谱经过多元散射校正预处理后, 绿豆粉末光谱曲线的误差从12.87降到3.20, 绿豆籽粒光谱曲线的误差从153.04降到27.73, 提供有效可靠的光谱数据。 （2）通过竞争性自适应重加权采样算法, 提取绿豆光谱曲线的重要特征波数, 从籽粒和粉末状态原始2 114个波数中, 分别优化为61个和107个特征波数, 波段总数目减少了94.94%以上, 并将其作为绿豆产地识别的特征指标。 （3）创新性提出了MSC-CARS-BP绿豆产地检测模型, 以优选出的光谱特征波数为定量依据, 分别对绿豆籽粒和粉末进行产地检测, 预测集准确率为92.59%和98.63%, 相关系数均达到0.99以上。 该方法能够利用近红外光谱处理技术, 实现绿豆产地无损检测的目标, 为农产品产地自动快速溯源提供了技术支持和参考。