育苗移栽是蔬菜等作物生产的重要形式,选择适龄的健壮苗作为移栽的对象,可以大大提高作物的产量和品质。目前,对于适龄移栽期幼苗品质的评价标准较为单一,检测手段多为人的经验判断,从而造成筛选过程效率低下,结果置信度差。针对以上问题,本文以春季移栽期适龄的番茄穴盘苗为研究对象,通过综合形态和色素指标,对苗的生长状况进行了较为全面的分析,制定了更为可靠和适用的量化评价标准。并基于此标准,利用高光谱能进行无损检测的优势,建立了光谱数据与评价值的定量分析模型,为日后移栽苗品质的快速检测提供了理论依据。主要内容与结论如下:（1）测定了276株春季移栽期番茄穴盘苗的株高、茎粗、全株鲜质量、全株干质量、叶绿素5项秧苗指标,先经向量归一化预处理,后采用独立性权系数法确定各指标权重,最终根据权重结果挑选出包含信息较全面,影响较大的两个指标:叶绿素和干质量。相关性分析结果表示,两项指标所组成的简化秧苗评价值可以近似表示综合评价值,相关系数R为0.92,从而大大减少了品质检测所需的指标量,并可以很好的表征春季育苗移栽期番茄苗的健壮度。（2）提取了各穴盘苗的高光谱数据,并选取感兴趣区域（ROI）作为研究对象,经去噪、S-G平滑和多元散射矫正（MSC）预处理,消除了由光散射等带来的光谱干扰信息,相较原始光谱信息更具可利用性。随后采用光谱-理化值共生距离（SPXY）算法,利用波段值和评价值两种变量同时计算样本间的欧氏距离,从而将样本集划分为预测集和建模集,最大化表征了样本的分布,提高了其差异性和代表性。（3）采用竞争性自适应重加权算法（CARS）和无信息变量消除连续投影算法（UVE-SPA）优选光谱特征波数为58和104个,降低了光谱数据维度,减少了冗余信息对建立模型精准度和分析速度的影响,得到了更能体现光谱特征的简化光谱信息。（4）最后应用多元线性回归（MLR）和偏最小二乘（PLS）两种线性回归方法以及偏最小二乘支持向量回归机（LS-SVR）和基于U-Net模型改造的卷积神经网络（CNN）,以预处理后的光谱数据和提取特征波长后的光谱数据分别作为模型的输入,建立了光谱数据与简化评价值的定量分析模型,并进行对比选优。结果显示:基于两种特征波段所建模型的回归效果整体优于全波段建立的模型,且UVE-SPA预处理方法筛选波段的光谱信息更加丰富有效;两种非线性模型的建模效果整体优于线性模型,其中CNN模型的建模回归效果整体优于LS-SVR模型;UVE-SPA-CNN模型对光谱数据和秧苗评价值的回归分析效果最好,其建模集和预测集的相关系数R分别为0.988和0.946,均方根误差RMSE分别为0.025和0.075,为直接利用光谱数据获取融合了多种因素的番茄秧苗评价值,从而判别秧苗健壮度提供了理论依据。