我国南瓜在各地的栽培较为普遍,播种面积和产量均居世界前列。近几年,我国南瓜产业不断朝着优质化、规模化发展,这对南瓜生产质量提出了新要求。2021年中央一号文件指出“农业现代化,种子是基础”,种子作为农业发展的“芯片”,其质量的优劣对农作物的品质和产量具有至关重要的影响,挑选高质量南瓜种子进行播种是实现南瓜高质高产的基本前提。但目前南瓜种子质量的检测仍依靠人工完成,且检测过程中存在费时费力、种子易损伤等问题,为此本文基于高光谱成像技术对南瓜种子分别开展了活力、含水率及品种与光谱信息之间的相关性研究,以求探索出最佳的检测模型,进而通过高光谱成像技术实现南瓜种子质量的快速无损检测。首先利用高光谱图像采集设备对南瓜种子样本进行数据采集,并通过划定感兴趣区域（ROI）进行光谱数据的提取,以传统种子质量检测的方式获得待测样本各指标的实际测量值。其次为了减少采集过程中产生的信息干扰,采用了多元散射校正（MSC）、归一化（NOR）、标准正态变量变换（SNV）、移动平均平滑（MAS）以及数据中心化（MC）五种预处理方式分别对提取的光谱数据进行预处理,经过结果对比后选取最优预处理数据用于后续模型的建立。然后为了减小数据维度,在保证模型检测性能的同时也能提升其检测效率,分别利用连续投影算法（SPA）、无信息变量消除法（UVE）及竞争性自适应重加权算法（CARS）进行了特征光谱变量的提取,并基于以上三种特征提取方法提出了组合提取方式在提取到的特征光谱变量基础上,利用偏最小二乘判别分析（PLS-DA）、极限学习机（ELM）以及支持向量机（SVM）建立活力检测模型和品种检测模型,利用偏最小二乘回归（PLSR）和极限学习机建立含水率检测模型,并对模型检测结果进行分析,选择出最优检测模型。文章的主要研究结果如下:（1）完成了基于高光谱成像技术的南瓜种子活力检测研究。数据经过MC预处理后,利用ELM结合CARS+SPA的特征提取方式建立的模型具有更好的性能,其训练集准确率为93.87%,测试集准确率为90.20%。（2）完成了基于高光谱成像技术的南瓜种子含水率检测研究。数据经过MSC预处理后,利用PLSR结合UVE-SPA特征提取方法建立的模型精度最高,其训练集相关系数Rc=0.8798,训练集均方根误差RMSEC=0.7602,测试集相关系数Rp=0.8939,测试集均方根误差RMSEP=0.5403,相对分析误差RPD=2.0842。（3）完成了基于高光谱成像技术的南瓜种子品种检测研究。数据经过MC预处理后,利用ELM结合（UVE+SPA）-SPA的特征提取方式建立的模型具有更好的性能,其训练集准确率为95.54%,测试集准确率为93.57%。（4）利用MATLAB和Visual Studio构建了南瓜种子质量快速无损检测系统,实现了对南瓜种子活力、含水率及品种的检测,基本满足了南瓜种子质量快速无损检测的要求。本文研究内容和结果有利于提升南瓜种子质量检测效率,促进南瓜产业的现代化发展,为推动我国种子质量检测技术的转型升级提供一定参考。