种皮破损、虫蚀和霉变是影响花生仁质量的重要指标，常规检测手段费时、耗力，成本较高。高光谱成像技术集图像分析和光谱分析于一身，在食品、农产品内外综合品质快速、无损检测上具有一定的优势。本论文开展了基于高光谱成像技术的花生仁种皮破损、虫蚀和霉变的快速、无损检测研究，主要内容如下:　　(1)利用高光谱成像技术对破衣花生仁的识别研究。以白玉花生仁作为研究对象，采集种皮破损粒和完好粒花生仁的图像。经过全波段主成分分析后，根据第3和第4主成分图像的权重系数，筛选出571nm、685nm和788nm三个特征波长。拟采用两种算法进行分析:①二次主成分分析算法，提取主成分目标图像，经过一系列的图像处理，提取破损区域;②波段比算法，进行两两波段比值运算，筛选出788nm/685nm比值图像进行二阶概率统计的滤波计算，得到对比度和相关性等8幅特征图像，挑选出易于分割的目标图像进行破损区域的提取。分析得到，二次主成分分析算法的识别率为91.67％，波段比算法为86.67％，结果表明高光谱成像技术用于破衣花生仁识别是可行的。　　(2)利用高光谱成像技术检测花生仁霉变的研究。首先采集霉变和正常花生仁样本的高光谱图像。霉变花生表面因黄曲霉菌的生长而使其表面的光学特性发生变化，采用SAM和MDC两种光谱匹配技术对花生表面的霉变区域进行识别，两种算法均取得较高的识别结果，尤其MDC算法，其识别率达到92％，结果表明高光谱成像技术用于霉变花生仁识别是可行的。　　(3)利用高光谱成像技术识别虫蚀花生仁的研究。采集虫蚀粒花生仁样本的高光谱图像。发生虫蛀的花生表面质地结构以及外观形态发生变化，利用蚁群算法进行特征波长的筛选，得到534nm、604nm、713nm和804nm四个特征波长，对每个特征波长下的图像分别提取6个纹理变量，共24个特征变量。采用线性的LDA和KNN算法以及非线性的BP神经网络三种模型建模分析，预测结果分别为98.0％、96.97％和97％，结果表明将高光谱成像技术用于虫蚀粒花生仁识别是可行的。