枸杞广泛生长于中国西北地区,不仅是一种食品原料,更是一种具有保健、抗氧化等药用疗效的药材。枸杞富含多糖、黄酮、氨基酸,以及酚类物质,不同品种枸杞内部有效化学成分的含量不同,直接造成品种之间的价格差异。一些无良商家为了牟取暴利,利用劣质枸杞充当高品质枸杞进行售卖。更有甚者,为了使陈年枸杞变得色泽鲜亮,利用硫磺、苏丹红对其进行熏蒸和染色,对消费者健康造成严重威胁。传统的枸杞鉴别方法包括化学滴定法、近红外光谱法等,化学滴定法会损坏样本,并且耗时长;近红外光谱技术点采样的方式采集的光谱数据难以表征整个样本。高光谱图像技术能够采集到整个样本全面的光谱信息,在农作物无损检测中实现了很好的检测有效性。为了规范枸杞销售市场,保障消费者权益,保证消费者食用健康,本文采用高光谱图像技术,结合机器学习算法,针对不同品种宁夏枸杞及熏染枸杞进行无损检测研究。本文的主要研究内容和结论为:（1）采集光谱数据并对检测机理进行研究。首先,使用高光谱图像采集系统采集了6个不同品种宁夏枸杞、硫磺熏蒸枸杞、苏丹红染色枸杞的高光谱图像,采用阈值分割的方法,以单颗枸杞为感兴趣区域（ROI）提取了光谱数据。然后结合内部有效化学物质含量的变化,对光谱曲线进行了分析,验证了通过高光谱图像技术对不同品种枸杞及熏染枸杞进行鉴别的可行性。（2）基于高光谱图像技术的枸杞品种鉴别。在提取光谱数据之后,在数据预处理过程中,引入变分模态分解（VMD）对光谱数据进行降噪,设置模态参数k为不同值,通过建立支持向量机（SVM）模型对比分析不同模态参数下的预处理效果,并与多元散射校正（MSC）、标准正态变量变换（SNV）和Savitzky-Golay平滑（SG）进行了对比,发现采用VMD对枸杞原始光谱数据进行预处理能起到突出的效果。接着采用竞争性自适应重加权采样（CARS）、迭代信息保留变量（IRIV）以及空间迭代收缩选变量方法（VISSA）对预处理后的数据进行筛选,并建立SVM模型,通过模型分类精度,对比分析不同特征选择方法的筛选效果。最后,分别利用鲸鱼优化算法（WOA）和黏菌算法（SMA）对SVM的惩罚因子c和核函数参数g进行了优化,并进行了对比分析。结果显示,基于VMD-CARS-WOA-SVM模型的训练集准确率达到96.7%,预测集准确率达到94.2%,提升了模型的分类准确率。（3）基于高光谱图像技术的熏染枸杞检测。本研究利用硫磺和苏丹红分别对陈年枸杞进行熏蒸和染色,取大小和颜色相似的熏蒸枸杞、染色枸杞和新鲜枸杞样本进行实验。在提取光谱数据之后,将VMD中模态参数k设置为5,对原始熏染枸杞的光谱数据进行预处理,并与其他预处理方法进行比较,发现VMD同样能在对熏染枸杞的光谱数据预处理中起到突出的效果。然后,采用CARS、IRIV以及VISSA对预处理后的数据进行筛选,通过建立SVM模型发现VISSA的特征选择效果最优。最后,使用WOA和SMA对SVM惩罚因子c和核函数参数g进行了优化。结果显示,基于VMD-VISSA-SMA-SVM模型训练集准确率达到98.1%,预测集准确率达到96.7%,较原始SVM模型,分类准确率得到较大提升。（4）设计了枸杞品种鉴别和熏染枸杞检测系统,用户可根据需求选择相应的功能。系统界面包含了功能选择界面、数据导入界面、数据预处理界面、特征波段筛选界面和检测结果界面。完成界面设计后,导入新的样本数据对系统的检测精度进行了测试,其中枸杞品种鉴别的准确率达到95.0%,熏染枸杞检测的准确率达到93.3%。