水稻品种的筛选和分类鉴别是农业育种过程中的关键环节,目前常用的水稻品种分类方法存在耗时费力,效率低等问题。基于此,本研究设计了基于高光谱的水稻品种鉴别系统,为水稻品种的批量化在线无损鉴别提供了一种新的检测技术。本文的主要工作内容如下:(1)使用设计的高光谱图像采集系统采集了6类共600个水稻品种样本。使用主成分分析法对数据的分类可行性进行了分析。在全波段下对从训练集样本感兴趣区域(ROI)内提取到的特征光谱数据建立分类模型,并比较了不同水稻品种分类模型的预测效果。结果证明使用梯度提升决策树分类模型对验证集样本的预测准确率最高,达到了95.68%。(2)使用多种预处理方法处理原始光谱数据,选出了多元散射校正作为最终的预处理方法。利用连续投影算法和特征重要性得分的方法选取了光谱数据的特征波长来降低数据维度,结果表明使用特征重要性得分方法提取的特征波长建模效果较好。最后对梯度提升决策树分类模型内部的主要参数进行了寻优,模型对60个外部测试集样本的分类准确率达到了95%。(3)以上述确定的算法为基础,设计了一套水稻品种鉴别系统。该系统的功能模块包括导入和删除测试样本功能模块、ROI和特征光谱提取功能模块、光谱预处理功能模块、全波段下测试品种功能模块、特征波段下测试品种功能模块以及投票决策结果显示功能模块。经过测试该系统具有较好的稳定性,极大的方便了用户的使用。