水稻是当今世界上最重要的主食之一,对水稻种子的品质进行筛选,能够有效提高水稻产量。而近红外光谱(Near infrared spectroscopy,NIRS)分析技术,由于具有快速、无损等优点,被广泛应用于单粒谷物种子的定性与定量分析中。近红外光谱分析技术能够在不破坏样品的情况下,更加精确快速地获取具有目标性状的种子,克服了传统水稻种子活力检测方法工作量大、耗时长及不环保等问题,将近红外光谱分析技术应用于谷物分析已成为当今农业品质监测的发展趋势。本文基于近红外光谱技术优异的分析特性,将近红外光谱分析作为水稻种子活力的检测手段,针对选种应用中对于带稃壳水稻种子活力分级检测的迫切需求,以及现有通用的糙米检测技术存在的问题,设计、搭建了一种适用于完整水稻种子的近红外吸收光谱检测系统。利用该系统的检测数据,结合多元分析,建立了一种水稻种子活力分级的判别模型,实现了对不同活力水平水稻种子的无损分级检测。本论文的工内容主要包括以下4个部分:(1)提出了采用透射式测量方式检测水稻种子光谱,根据完整水稻种子带有稃壳减弱透射光强的特点,构建了一种基于近红外超连续激光光谱的完整水稻种子透射光谱检测系统。该系统通过采用宽带高功率超连续激光光源提高谱信号,在光源后设计了准直镜、φ=1.5 mm的孔径光阑及焦距f=10 mm的聚焦系统提高系统信噪比,最终由高分辨率高稳定性的光栅分光光谱仪探测到较高分辨率的光谱信号。(2)采用搭建的近红外光谱检测系统对2016、2017及2018年3种不同年份、不同品种的带有稃壳的水稻种子采集近红外吸收光谱信息,并使用多种预处理方法校正原始光谱消除谱线漂移与谱带重叠等影响。分析表明,水稻种子的活力梯度与近红外吸收光谱的特征吸收峰的大小与波段相关,采用归一化、二阶导数(SD)和正交信号校正(OSC)相结合的预处理算法对种子光谱具有最优校正的效果。(3)建立了主成分分析(PCA)模型确定最佳主成分数目,对光谱进行降维,应用主成分分析和偏最小二乘判别分析(PLS-DA)建立了水稻种子活力分析判别模型。结果表明偏最小二乘分析模型对于水稻种子活力分析有更好的分级效果,校正集和验证集准确率分别为94.44%和95.92%,筛选后水稻种子的发芽率可达97.17%。(4)通过实验分析了测量光谱时的光源能量、光谱平均次数及积分时间对模型准确率的影响,获得了系统最佳检测参数。研究结果表明,本论文设计的透射式近红外吸收光谱检测系统结合PLS-DA判别模型能够对不同活力的水稻种子进行分类,基于近红外光谱信息实现水稻种子活力无损分级是可行的且具有较高的预测精度。