种子在收获时的成熟状态决定了其内在的质量特征,比如种子寿命和种子活力,在种子产业中,这些特征对于种子萌发、种子仓储及相应的作物获得高产量起到了决定性的作用。就黄瓜种业来讲,2014年我国露地黄瓜种业产值为17.71亿元,大棚黄瓜种业产值为8.61亿元。然而在种子的生产实际中,种子成熟度通常是由种植者的经验进行视觉估计的。这种做法具有很强的主观性,难以保证种子质量批次的一致性,不符合种子产业的发展趋势。近红外光谱分析作为一种光学快速无损检测技术很好地符合了新时代下种子质量检验的要求,为了对单粒黄瓜种子的成熟度进行识别和分类,本文设置了五个成熟状态。首先确定了适用于单粒种子的近红外光谱采集设备,然后在此基础上提出了一种能够同时检测多个黄瓜种子成熟度的分类方法,并对其预测性能进行了验证。相比于二极管阵列式的近红外光谱仪,傅里叶变换近红外光谱仪具有更高的信噪比和更高的光谱分辨率。通过采用适宜的单粒测量附件,傅里叶变换近红外光谱仪就可用于测量单粒种子的近红外吸收光谱。对采集到的原始光谱求取平均值和二阶导数得到了其平均光谱图和二阶导数光谱图,由相应的仪器分析结果得到了黄瓜种子主要成分含量随成熟度增加的变化规律,应用分子振动理论将光谱数据与化学成分分析结果关联起来,并得到结果之一:单粒近红外光谱仪可以用于鉴别单粒黄瓜种子成熟度。在此基础上,为确定具体的分类策略,对样本进行了探索性分析。通过采用适宜的光谱预处理方法,就可以在主成分分析得分图中直观地看出不同类别样本之间的相关程度。首先在主成分分析（PCA）模型中使用样本残差阈值将成熟度差异最大的一类样本区分出来,然后将三个偏最小二乘判别分析（PLS-DA）二元分类器以树状的方式依次搭建为一个分层分类模型,用于预测剩余类别的样本。提出的分层分类模型在独立的外部测试集样本的预测中表现出了比较满意的性能,整体的分类准确率达到了98.2%。最后,为了更好地评估这一分类策略的有效性,计算了Cohen’s kappa这一多元分类统计指标,结果为97.7%。由此得出结果之二:提出的分层分类策略对于同时预测五个成熟度类别的黄瓜种子样本是非常有效的。不同成熟度的种子在近红外吸收光谱上表现出明显的个体差异,然而群体样本分析将个体间的这种差异弱化了,无法反映单粒种子样本的近红外吸收特性。本文使用了一种适用于单粒黄瓜种子的近红外光谱采集方式,结合化学成分分析结果,通过分子振动理论验证了这种采集方式的有效性。更进一步地,为实现对五个不同成熟度类别的样本进行同步预测,提出了一种分层分类策略。在独立验证集的预测结果上,通过计算一个用于多分类评价的统计指标,结果表明这种分层分类模型取得了十分理想的预测效果。