在矿产资源开发、工业污染、农药化肥等因素的影响下,中国一些地区重金属污染严重,铅污染问题突出。油菜是我国重要的油料作物,其叶片富含维生素和纤维素,油菜籽是食用油的重要来源。较高浓度铅污染抑制油菜生长,影响产业发展,长期食用铅污染的油菜叶或油菜籽油还会严重危害人体健康。所以,监测油菜中的铅含量对于油菜产业的发展和人体健康具有重要意义。传统的铅含量检测方法通常需要进行干燥、消解、定容等处理,费时复杂。作为新兴的无损检测技术,高光谱图像技术可以同时获取样本的光谱和空间信息,无需进行复杂操作即可实现快速、高精度检测。因此,本文基于高光谱图像技术对油菜叶片中的铅含量进行无损检测。主要研究内容及结论如下:（1）光谱、图像信息提取及检测机理研究。利用高光谱成像系统采集铅胁迫下油菜叶片高光谱图像,将整个叶片作为感兴趣区域（ROI）。以ROI中所有像素的平均光谱作为原始光谱数据,提取高光谱图像的24个颜色特征和特征图像的15个纹理特征。分析不同浓度铅胁迫下油菜叶片的叶绿素含量、铅含量以及细胞结构的变化,研究铅梯度胁迫下叶片平均光谱曲线的响应规律。结果表明,铅胁迫浓度的增加使叶片中的铅含量增加,叶绿素含量先增加后减少,叶片细胞结构受损。叶片的颜色和纹理图像特征是研究油菜受铅胁迫的重要特征,且可见光和近红外波段的光谱反射率与叶绿素和细胞结构有显著相关性。因此,利用高光谱图像技术检测油菜叶片的铅含量是可行性的。（2）光谱数据预处理以及光谱、图像特征选择方法研究。利用SG平滑结合一阶导数（SG-FD）对光谱数据进行预处理,降低了噪声干扰,增加了光谱峰数,突出了光谱特征。提出了改进随机青蛙算法（MRF）对光谱信息和图像信息进行特征选择,并与随机青蛙算法（RF）、区间变量迭代空间收缩算法结合竞争性自适应重加权算法（IVISSA-CARS）进行对比。结果显示,三种特征选择方法选择的变量保留了大量与铅含量检测相关的有效信息,且基于MRF算法选择的变量数量最少,共选取11个特征波长变量和6个图像特征变量。（3）基于高光谱图像技术的油菜叶片铅含量检测研究。分别构建基于MRF、RF、IVISSA-CARS选择的光谱特征、图像特征、光谱和图像特征融合的支持向量机回归（SVR）预测模型,对比发现基于本文提出的MRF算法选择的光谱和图像特征融合建立的模型效果最佳。之后,分别利用哈里斯鹰优化算法（HHO）、遗传算法和粒子群优化算法（GA-PSO）优化SVR的惩罚因子（c）和核参数（g）,进一步提升MRF-SVR的预测能力。结果显示,MRF-GA-PSO-SVR模型为0.954,为0.071 mg/kg,该模型预测精度最高,稳定性最好。因此,基于MRF选择的光谱和图像特征融合建立的GA-PSO-SVR模型可以实现油菜叶片铅含量的高精度、无损检测。本文利用高光谱图像技术的光谱信息和图像信息结合化学计量学方法无损检测油菜叶片中铅含量,为快速、高精度检测油菜中的含铅量是否符合国家安全标准提供了技术支撑,也为预测植物中其他重金属含量提供了理论参考。