El origen de los productos agrícolas influye significativamente en su calidad y seguridad. La espectroscopia de fluorescencia se utilizó para analizar arroz Japonica 830, cultivado en diferentes áreas de la provincia de Jilin, examinando semillas de arroz, arroz integral y harina de arroz de 12 orígenes. Los espectros de fluorescencia se preprocesaron mediante normalización y suavizado para eliminar ruido. Estos espectros procesados se introdujeron en árboles de decisión, máquinas de vectores de soporte (SVM), vecinos más cercanos (KNN) y modelos de redes neuronales para la clasificación. El análisis reveló que los cuatro modelos combinados lograron una precisión promedio de clasificación del 98,05% con un tiempo de cálculo de 180 s, mientras que los modelos a escala reducida mejoraron la precisión al 98,36% y redujeron el tiempo de cálculo a 11,25 s. Además, los modelos de predicción utilizando valores estándar de contenido de almidón de arroz en diferentes estados lograron valores de R^2 superiores a 0,8. Este método proporciona un enfoque rápido y preciso para evaluar la calidad y el origen del arroz, demostrando un potencial significativo para su aplicación en el análisis de arroz.