本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。

水稻是世界上最重要的糧食作物之一，也是中國第二大播種面積的農作物。近年來播種面積一直保持在3000萬公頃左右(數據來自中國國家統計局)，是中國的主要口糧之一。按粒形和粒質分為秈稻(早秈稻和晚秈稻)、粳稻和糯米(秈稻糯米和粳稻糯米)。水稻是一年生草本植物，有50 000多個品種。不同品種的水稻具有不同的儲藏特性、抗蟲防霉性和品質變化。應按品種分類存放，更有利于后期采購加工。不同水稻品種的認定也是規范糧食流通秩序、優化糧食供給結構的現實需要。高光譜作為一種無損、快速的檢測技術，已廣泛應用于食品質量檢測和定量分析。本研究實現了從光譜反射信息中識別大米蛋白質含量、肉制品新鮮度和咖啡豆品種。國內學者通過提取非轉基因親本及其轉基因大豆的特征波長，結合化學計量學方法，建立了PLS-DA識別模型，為轉基因大豆的識別提供了新的途徑。因此，本工作擬利用高光譜技術開展水稻品種鑒定的相關研究，探索一種適合“中國好糧油”計劃的優質水稻鑒定方法。

本實驗以五種不同品種的水稻為研究對象，綜合運用光譜分析技術和數據處理方法，根據樣本的不同信息建立相應的模型。對高光譜成像技術在水稻品種識別中的檢測方法進行了研究，主要結論如下:

提出了一種基于圖像信息的水稻品種識別方法。通過PCA分析，選擇680 nm作為特征波長，提取特征波長下的圖像信息，將提取的紋理特征和形態特征參數組合作為輸入量建立水稻品種識別模型。結果表明，Fisher判別分析、偏最小二乘回歸模型和神經網絡模型對稻谷品種識別的準確率分別為95.3%、95%和98%。該方法將原始的150× 200光譜數據矩陣縮減為150× 8特征分類矩陣，大大減少了分類建模過程中的數據處理工作量，滿足了水稻品種識別精度的要求。

在水稻品種識別模型的優化中，基于圖像特征參數的ANN模型比Fisher判別分析和PLSR識別效果更好，識別準確率高達98%。該方法可實現水稻品種的無損快速鑒定，并具有處理大量樣本的潛力，可用于大規模檢測和智能分析。