种子作为农业生产中最重要、最基本的生产资料，是一切农业生产的基础，种子的质量关乎整个农业生产的发展。种子纯度反映种子的质量，故种子纯度是判定种子等级的主要依据。近些年来，伴随着种子杂交技术的广泛应用，种子的品种数目越来越多，随之带来了种子品种间的混杂现象越来越严重。加强种子纯度检验是减少种子混杂，保证农业生产的一个根本途径。种子纯度检测从本质上来说是个模式分类问题，特征信息的充分提取与分类器的合理设计，对于种子纯度的检测精度有着重要的影响。高光谱图像技术是近年来出现的集成光谱技术和机器视觉技术的无损检测新方法，在农产品的无损检测领域得到了广泛的应用。本论文结合农业种子纯度检测的具体特点和要求，将高光谱图像技术引入到农作物种子纯度检测领域，实现种子特征信息的充分提取；在此基础上，结合模式识别新方法，实现种子纯度的高精度自动检测。该课题的研究对于提高我国种子检验的自动化水平，保证种子质量具有重要的理论和实际应用价值。论文的主要研究工作如下：（1）利用400nm~1000nm的高光谱图像设备采集了玉米种子的高光谱图像，采用阈值分割、形态学滤波等方法，对所采集种子的高光谱图像进行预处理，为提取种子有效的分类特征提供了保证。（2）针对高光谱图像高维数据的特点，并结合玉米种子纯度检测的具体要求，研究了其特征信息提取方法。每类玉米品种物理特性、化学特性的差异性，体现在不同波段下反射光强的差异性，而图像的熵信息是反射光强分布差异性的一个良好的度量指标。论文利用高光谱图像提供的不同波段下的玉米种子的图像熵信息作为玉米种子的分类特征；并采用偏最小二乘投影算法实现了玉米种子分类过程中的最优高光谱波段选择；在此基础上，结合偏微分最小二乘判别分析法（partial least squares discriminateanalysis, PLSDA）实现了玉米种子多类别识别的准确分类。（3）由于受测试样本搜集范围的限制以及杂交技术的广泛运用，在种子纯度检测中很难一次性搜集到所有类别样本，新类别样本的出现是频繁现象。针对传统的分类器缺乏新类别样本的识别能力的缺陷，论文将支持向量描述方法引入到玉米种子识别模型，通过对每类玉米样本建立其分类超平面，实现了既保证原有样本高精度识别，也避免了新类别样本的错误分类问题。