近年来，随着转基因农产品在全球市场的不断扩大以及受众对转基因农产品的观望怀疑态度，传统的化学检测方法、红外检测方法和X射线检测方法由于其自身的不同缺点，已经越来越不能满足农业选种、农产品无损检测的发展需求。由于太赫兹波的能量低、穿透能力强、分辨率高以及非接触与生物大分子共振的特性，基于太赫兹光谱技术的无损检测技术越来越受到重视。　　本文以转基因作物种子为研究对象，选取了8种转基因棉花种子（不含亲本）和3种转基因大豆种子（含亲本）进行实验，探究了使用太赫兹时域光谱技术对其进行检测的方法。　　首先介绍了研究背景，总结了现有的农业选种和农业安检的相关技术；列举了国内外利用太赫兹光谱技术进行农产品研究的概况和展望，介绍了太赫兹波产生和探测技术的原理；详述了本论文选题的目的和意义；介绍了如何搭建太赫兹时域光谱系统的光路系统，介绍了太赫兹吸收光谱相关参数的提取方法；且详细阐述了样品制备方法、测试手段、光谱采集方法以及数据处理方法。最后，建立了相关的算法模型并对其进行优化改进，介绍了检测工作的效果。　　本论文的主要研究结果和结论如下：　　第一，在0.3~1.5THz得到了8种转基因棉花种子(不含亲本)和3种转基因大豆种子(含亲本)的原始光谱数据，运用7种预处理方法(原始光谱(不处理)，平均(AVG)，一阶导数(FD)，二阶导数(SD)，标准正太变量变换(SNV)，移动窗口平均平滑(smoothing)，多元散射校正(MSC))对各组样品数据做预处理，结果表明FD-MSC结合smoothing方法，误差最小，光谱最平滑，光谱图上的相关吸收峰最明显。将此种方法所得光谱数据作为定性分析数学建模的数据。　　第二，运用主成分分析法将预处理后的光谱数据降维，并做鉴别分析。在此基础上运用 BP神经网络和支持向量机(SVM)两种方法分别对预处理的太赫兹吸收光谱数据做定性分析，比较两种定性分析的优劣，分析两种定性分析方法的不足之处，并提出了改进意见。　　第三，基于太赫兹时域光谱系统，运用主成分-BP神经网络(PCA-BP)模型研究了不同转基因大豆种子，模型对转基因大豆种子识别准确率达到99.00％以上，结果表明，模型能很好的区分不同转基因大豆种子。　　第四，基于太赫兹时域光谱系统，运用主成分-支持向量机(PCA-SVM)模型研究了不同转基因大豆种子，在最佳训练集分类正确率为98.89%的情况下，模型对预测集的分类准确率达到了100.00%，结果表明，模型能很好的区分不同转基因大豆种子。　　第五，分析以上三种定性分析方法，列举了太赫兹时域光技术谱所获得不同转基因农产品归类和比对结果的旁证支持，提高了本论文中样本结果的准确性和可靠性。