草地牧草的识别与分类是草原荒漠化治理和数字化监控的重要环节,有效识别牧草种类可以为解决草原荒漠化问题提供较大帮助。高光谱成像技术是光谱技术和成像技术结合的多维信息检测技术,可以同时提取图像信息和光谱维度信息,从而提高成像的精度与可靠性并加强对物体的识别探测能力。因此本文尝试采用高光谱成像技术解决草地牧草的识别分类问题。首先使用高光谱设备实地拍摄草地牧草图像并建立数据库,然后提取草地牧草高光谱图像特征并进行识别分类,最后总结出适用于草地牧草高光谱图像的识别分类方法。主要研究内容和结论如下:（1）实地拍摄牧草高光谱图像并建库。本文实地拍摄10种草地牧草高光谱图像,图像来自内蒙古农业大学和中国农业科学院草原研究所。由于高光谱图像的采集时间较长,会出现较多冗余信息和干扰因素,所以需要对采集到的图像进行预处理。预处理首先采用改进的自适应波段选择法提取波段数据,然后对图像进行裁剪、旋转,再对数据进行标准化处理,最后建立图像数据库。（2）提出MSRA初始化卷积神经网络模型。考虑到卷积神经网络鲁棒性、适用性等问题,本文通过设置初始化参数增强网络性能,加强特征提取能力,达到提升识别分类效果的目的。实验结果显示MSRA初始化卷积神经网络对牧草高光谱图像的识别分类准确率为94.50%,证明其具有较好的特征提取能力和网络性能。（3）提出Multichannel Alexnet（MAlexnet）模型。根据卷积神经网络具有权值共享、局部感知等特点,将多通道卷积神经网络与Alexnet相结合,提出MAlexnet。MAlexnet有效利用了高光谱图像丰富的信息,可以提取多维度信息并将其融合,挖掘融合后的深层信息。实验结果显示MAlexnet对牧草高光谱图像的识别分类准确率为95.64%,达到了提高识别分类效果的目的。