国以农为本,农以种为先。种子质量直接关系到农作物的产量和农民的利益。提高种子质量,规范种子市场,对提高粮食生产能力、增加农民收入等方面都有十分重要的意义。玉米是世界第三大粮食作物。玉米种子商品化程度高,品种繁多,易混淆。同时单粒播种技术的推进进一步提高了种子质量精细管控的要求。研究单粒玉米种子质量无损检测技术有利于保障玉米育种业和种植业的健康发展。本研究以商品化杂交玉米种子为研究对象,采用高光谱反射成像结合模式识别技术,针对影响玉米种子质量且不易分辨的几类问题,研究单粒玉米种子的成熟度识别、品种真实性、是否遭受冻害及冻害程度的质量问题的检测方法。主要研究内容和结论如下：(1)提出基于500～580 nm波段范围方差图的背景分割方法,方差图二值化后结合掩模法实现对高光谱图像中玉米种子和背景的分割,该方法可克服边缘部分阴影的影响,实现玉米种子和背景之间的有效分割。(2)分析玉米种子成熟度高和成熟度低2类感兴趣区域的平均光谱,采用波段比运算并结合KW检验,找出二者差异最大的最优波段比(640 nm/525 nm)。提取最优波段比对应的波段比图像,采用图像处理技术分析图像并区分2类种子。以864粒玉米种子为研究对象,对成熟度高和成熟度低的种子平均正确识别率为93.9%。(3)提出光谱特征、形态特征和纹理特征相结合的玉米种子品种区分方法,有助于提高单独采用光谱或形态特征时某些光谱相近或形态相近种子的正确识别率。采用SPA算法优选种子特征波段,并提取特征波段的平均纹理特征和种子的形态特征,将种子光谱信息和图像信息融合作为SVM模型输入变量,可以实现对杂交玉米种子品种的有效区分。选取了10种黄色系杂交玉米种子共1855粒样本,玉米种子胚面数据预测集和胚乳面数据预测集对应相应的SVM模型的平均正确识别率均为96.8%和96.6%。(4)考虑到玉米种子品种繁多,传统的多分类模式识别方法在进行模型训练时无法搜集到所有品种样本进行训练,因此提出以种子平均光谱为特征,采用SVDD-KNNDD分类器的异常检测方法对玉米品种进行真实性快速无损检测的技术路线。该方法针对每个品种建立单分类模型,该模型只与品种自身样本有关,无须搜集其他品种样本进行训练,当有新品种时,无须重新训练其他品种的识别模型。在各类样本胚面光谱SGFD预处理后的SVDD-KNNDD模型的测试结果中,对10类样本进行测试,大多数情况下可以100%正确识别异常类种子,少数几种情况的识别率较低,将异常品种种子误判为正常品种种子的最高错误识别率为68.5%,而将正常品种识别为正常品种的最低正确识别率为84%,大部分正常类品种的正确识别率均大于90%。此技术路线可以为玉米种子品种真实性的快速检测提供借鉴和参考,也可以作为其他类型种子的真实性识别参考方法。(5)玉米种子受到冻害后会导致种子活力不同程度的下降。采用高光谱图像识别肉眼难以分辨的受冻害的玉米种子样本,种子的平均光谱结合SVM建模可以有效区分冻害种子和正常种子。MSC、SNV和SGFD预处理方法均有助于提高各类受冻害种子的正确识别率。当数据采用SGFD预处理方法SVM建模时,—5℃冻害处理样本胚面数据的最低正确识别率为88%(4h),最高正确识别率为96.9%(16h),胚乳面数据的最低正确识别率为73.6%(4h),最高正确识别率为98.4(12 h)；—18℃冻害处理样本胚面数据的最低正确识别率为96.9%,胚乳面数据的最低正确识别率为95.2%。(6)考虑到无法采集到冻害样本的实际情况,采用SVDD-KNNDD的异常检测方法,只对正常类种子光谱建模并用于冻害种子识别,该模型对种子发芽率严重下降的冻害处理样本(—5℃冻害处理12 h和16 h,—18℃冻害处理4 h以上)识别效果相对较好。当采用正常类胚乳面和胚面平均光谱建模时,—5℃冻害处理的样本中16h处理的冻害样本正确识别率为96%和90%(对应胚乳面和胚面数据),冻害处理12 h的样本正确识别率为65.5%和77.5%(对应胚乳面和胚面数据),其他冻害处理时间较短的样本正确识别率均较低；而—18℃冻害处理的样本的正确识别率均较高,各冻害处理样本的胚乳面数据最低正确识别率为89.7%,最高为100%,各冻害处理样本的胚面最低正确识别率为92%,最高为100%。(7)高光谱图像技术可以通过交互方式选择感兴趣区域来实现对不同部位的精确分析。为了精确研究玉米种子胚部的受冻害程度,提出用KW检验选择最优波段比、确定最优波段比图像对玉米中胚部的分割方法,取得了较好的分割效果,并从分割后的胚部高光谱图像中提取各像素点光谱结合SVM分类方法用于种子冻害程度识别。统计每个样本胚部被识别为正常类和不同冻害程度的像素点占胚部图像所有像素点的比例,并对胚部受冻害程度进行识别。当种子受到—5℃冻害处理时,对各样本的胚部像素进行分类,对正常样本正确识别率为99.2%,经4h冻害处理的样本被识别为正常样本的错误识别率为4.2%,对经16 h冻害处理样本的正确识别率为99.2%,经12 h冻害处理的样本被识别为经16 h冻害处理样本的错误识别率为6.7%。冻害处理时间为4、8和12 h的样本胚部识别结果虽然也有一定趋势,但不能明确区分,错误判别籽粒较多。研究结果表明：通过胚部情况区分冻害样本和正常样本效果良好,通过胚部单像素点光谱结合SVM模型区分冻害种子和正常种子是可行的,对严重冻害种子识别效果也较好,但对冻害程度的识别效果不佳。以上研究成果为我国研发基于图像技术的玉米种子成熟度分级设备,采用高光谱图像分析品种真实性快速识别和冻害种子无损鉴别系统奠定了基础。