水稻是我国重要粮食作物。种子的优劣直接影响到作物的生长与粮食产量。传统的种子活力检测方法主要有生物和理化两大类。这些传统方法存在花费时间长、检测成本高、检测过程技术难度大,对操作者技术要求高等缺点,而且这些方法对种子具有破坏性,检测后的种子无法再次使用。本文应用近红外光谱分析技术,对水稻种子活力的无损检测进行研究。本文主要的研究工作如下:（1）基于近红外光谱建立对水稻种子发芽率定量评估模型设计了梯度人工老化试验,对顺两优1158水稻种子进行梯度人工老化处理,获取不同活力水平的水稻种子样本,通过发芽试验测定每一老化梯度的样本的发芽率,发现发芽率随着老化程度加深而降低。以发芽率作为响应变量Y建立了PLSR、SVM和PCR三种定量模型。对于340-1010 nm波段SVM模型效果最佳,PLSR模型次之,对于930-1655 nm波段PLSR模型取得了最好的效果。运用UVE和SPA进行特征波段提取,能够将340-1010 nm波段光谱矩阵中1642个变量分别降低至原来的7%和18%。（2）基于近红外光谱建立对水稻种子活力水平定性评估模型对梯度老化处理后的部分单粒种子的发芽过程进行了跟踪记录,每天测量种子的苗长变化。苗长生长变化规律呈现聚类特征,因此将6个老化梯度进一步划分为3个活力等级。按照活力水平高低进行光谱数据的定性分析,建立SIMCA、SVM、PLSDA和PCR-DA四种不同的分类模型。其中SVM分类模型的性能较好,精确率和召回率最高。四种模型的共同点是识别高活力种子的精确率很高,而对低活力种子不敏感。（3）基于近红外光谱对水稻种子储藏时长进行检验采集了广东省地区常见的3种水稻种子的不同入库时间样本的单粒种子光谱,对光谱数据进行主成分分析并对第一主成分进行方差分析,发现不同储藏时间的类间重复性较大,难以从数据层面区分。对其中类间重复性较小的五优水稻930-1655 nm波段数据进行预处理和PLSR建模,验证集决定系数为0.8051,验证集均方根误差为5.1404。说明利用近红外光谱分析技术对水稻种子储藏时长进行检测具有一定可行性,但是其精度并不高。本文基于近红外光谱分析技术对华南地区某品种水稻的种子活力进行检测试验研究。结合光谱预处理、异常样本剔除等化学计量学方法和建模方法,实现对水稻种子活力进行无损、快速的分析鉴别。经过提取特征波段,极大程度上降低了运算所需数据量。为未来种子活力无损检测技术走向实际应用提供支持。