高粱是白酒酿造的重要原料之一,俗话说“好酒离不开红粮”,高粱中的主要成分-淀粉对白酒质量起到了决定性的作用。由于我国高粱种植地理位置分布不均,导致高粱品种多样,而不同品种的高粱淀粉含量有所差异,所以酒企会根据自己酒品的特点选择适合的高粱。加之我国酒用高粱用量庞大,年需求量大于2000万吨,高粱供应商为谋求利益会在一个高粱品种中掺杂其他品种,酒企也会将成分相似的高粱进行混用以满足酿造需求,但混用时必须明确混用比例以便于调节酿造工艺。这是由于在酿造过程中,高粱直链淀粉与支链淀粉的含量差异会使酒糟的蒸煮时间不同,导致酒的质量及风味不同。为了保证白酒的质量,必须明确酿造高粱是否掺杂以及其支链淀粉与直链淀粉含量。而传统的高粱检测方法是将原料抽样,对样本进行化学分析来确定其成分含量,耗时长,且无法检测样本是否掺杂。而高光谱技术结合了物质的光谱信息及图像信息,能够快速对物质进行定性及定量分析。因此,本研究结合高光谱技术、图像处理技术及多变量分析技术来检测高粱掺杂,获取其掺杂比例、支链淀粉及直链淀粉含量,为调整酿造工艺提供数据支持,为原料自动化检测奠定基础。本研究主要的研究内容如下:（1）高粱高光谱数据采集。准备高粱纯种样本及掺杂样本,通过高光谱数据采集系统采集高粱高光谱数据,通过Matlab编写高粱数据提取及处理程序。（2）高粱颗粒分割及数据校正。高粱籽粒较小,为了获取样本高粱品种,本研究通过分水岭算法将样本按颗粒进行分割,把每颗高粱作为一个感兴趣区域（ROI）。然后提取每个颗粒ROI的高光谱数据并进行黑白校正,通过主成分分析（PCA）、聚类分析（CA）剔除样本中的异常样本。最后通过多元散射校正（MSC）消除数据的噪声,并储存每颗高粱的校正数据及ROI图片,本文数据提取成功率达到99%。（3）高粱品种掺杂检测模型建立。高粱掺杂检测实质为高粱的品种识别,并对识别出的高粱品种计数得到样本的掺杂比例,再将颗粒ROI按照品种进行可视化得到品种的分布。由于相似高粱光谱差异较小,数据共线性明显,因此本研究的高粱品种识别算法采用偏最小二乘判别（PLS-DA）以及极限学习机（ELM）,最终结果表明PLS-DA算法具有较好的识别效果,对三组掺杂品种的综合识别准确率达到90%以上。（4）高粱淀粉含量检测模型建立。首先采集样本高光谱数据,根据国标方法检测不同掺杂样本直链淀粉与支链淀粉含量,然后提取样本高光谱数据并使用MSC+包络线去除算法（CR）+多粒度光谱特征提取算法（MGSS）提取光谱细微特征;最后通过偏最小二乘回归算法（PLSR）建立不同掺杂比例样本直链淀粉及支链淀粉含量检测模型,结果表明支链淀粉含量识别模型决定系数达到0.9374,直链淀粉含量识别模型决定系数达到0.9301,实现了不同掺杂比例样本的直链淀粉及支链淀粉含量快速识别。