长期以来,水稻种子市场中假冒伪劣种子现象层出不穷,最终导致农民利益和市场经济遭到严重损害,咎其主要原因是对水稻种子品种的分类鉴别比较困难。目前常用的种子鉴别方法鉴别精度较低、效率低,需要耗费大量时间和人力,因此,需要寻求一种快速、准确的鉴别方法用于水稻种子的批量检测。激光诱导击穿光谱技术（Laser induced breakdown spectroscopy,LIBS）是近年来新兴的一种物质鉴别手段,鉴于LIBS技术的巨大的发展潜力,本文基于LIBS技术并结合BP（Back propagation）神经网络技术对水稻种子品种的快速鉴别进行了研究。本文以10种不同地区的水稻种子为研究对象,采集了水稻种子的11段LIBS分段光谱,通过这11段光谱合成得到种子的全谱,并从全谱中提取了水稻种子中K、Si、Mg、Ca以及Na元素的特征光谱。然后采用谱线积分法、离散傅立叶逆变换法、离散小波变换法和强度比值法分别对样品光谱进行预处理,通过BP神经网络建立了水稻种子的全谱、分段光谱以及特征光谱鉴别模型,并对预处理前后的光谱进行鉴别分析。采用谱线积分法和离散小波变换法对全谱和分段光谱进行预处理后,全谱和中心波长为405nm的分段光谱的鉴别精度均提高了6%至10%左右,达到80%以上,但全谱鉴别速度较慢,鉴别时间超过160秒。采用离散傅里叶逆变换预处理后,全谱以及中心波长为405nm的分段光谱鉴别模型的精度均提高了22%左右,分别达到98.27%和98.04%;同时鉴别时间大大减少,分别为20.22秒和14.79秒。对于特征光谱模型,采用强度比值法和离散傅里叶逆变换法进行预处理后,其鉴别效果和鉴别速度都有所下降;而采用离散小波变换进行处理后,特征光谱的鉴别效果则稍有提升,其鉴别精度为96.53%,鉴别时间为8.76秒。研究结果表明,经离散傅里叶逆变换后的时域全谱鉴别模型、中心波长为405nm的时域分段光谱鉴别模型以及离散小波变换后的特征光谱鉴别模型,它们对于10种水稻种子样品的分类准确度均超过96%,并且鉴别时间仅需数秒;此外,以上三种模型的鉴别精度的相对标准偏差都低于2%,表明这三种鉴别模型都具有较强的稳定性和重复性,其鉴别结果准确可靠,可为水稻品种的快速、高效鉴别提供新的手段。另一方面,傅里叶逆变换与小波变换作为光谱预处理方法在LIBS光谱的分类鉴别研究中具有一定的应用潜力,可为其他物质的鉴别提供新的思路。