小麦在收获前受阴雨影响并长期处于潮湿环境下而产生的穗上发芽现象称为小麦穗发芽,严重时会导致小麦大面积减产,威胁国家粮食安全,因此探究影响小麦发芽特性相关因素,实现小麦发芽特性快速检测,进而培育抗穗发芽小麦品种是当前重要议题。然而如今传统的检测方法却存在着周期长、工作量大、过程繁琐的诸多缺点,近年来发展较为迅速的近红外光谱技术又因易受样本均匀性干扰使得检测结果稳定性较差,实践中建立一套高效、准确、可靠的技术体系成为当前的迫切需要,而高光谱成像技术的近地应用为此提供可能,其具有“图谱合一”的优势,兼具空间维和光谱维的高分辨特性,能有效获取整个目标区域光谱,弥补传统近红外光谱技术上单点获取的不足。针对上述目标,实验以单粒和群体小麦为研究对象,拟采用近红外高光谱成像技术结合化学计量方法以及数据分析技术,分别从影响小麦发芽特性的内在因素—品种以及影响小麦发芽特性的外在因素—存储年限出发,对不同品种和不同年份小麦光谱差异进行分析,进而达到对不同品种以及不同年份小麦准确鉴别的目的,最终通过对单粒、群体小麦的发芽预测来完成整个实验探索,主要研究内容和结果如下:(1)充分利用高光谱成像技术“图谱合一”特性进行不同品种小麦差异分析,使用德国EVK近红外高光谱成像仪获取了三个类型六个品种的单粒小麦高光谱成像数据,采用图像处理结合模式识别方法以及信息融合的方式对获取的图像特征和光谱特征进行了分析,建立了小麦品种的图像、光谱以及融合信息分类识别模型。从图像模型中得知对于强筋、弱筋等外形差异较为明显籽粒,识别率能达到100%,说明近红外高光谱图像的形态信息能够反映品种的差异;从建立的光谱特征模型中得知小麦籽粒胚乳区域较胚区域分类识别率略高,说明不同部位受籽粒形状影响会产生光谱误差;从最终的信息融合模型分类效果得知:无论是从稳定性还是识别率上其效果都较单一模型略好,分类精度从原来的95.56%提升到98.89%,表明充分挖掘高光谱图像所包含的形态特征和光谱特征可有效提高分类效果。(2)利用近红外高光谱成像仪分析单粒小麦种子在存储过程中的特征变化,首先获取了2007-2012年共计六个年份的单粒小麦近红外高光谱数据,通过分析原始光谱得知在1400-1600nm波段光谱反射率存在明显差异,可能是存储过程中小麦籽粒水分和蛋白质含量逐渐降低所致;对六个年份小麦籽粒光谱数据进行主成分分析,从主成分分布图上得知相同或相近年份的小麦籽粒呈现出聚类特性,且这种特性会随存储年份的增加而更加明显;进一步利用SIMCA方法对不同年份小麦籽粒进行分类,相邻年份之间的二分类正确识别率达到97.44%,六个年份的混合分类识别率达到82.5%,表明利用近红外高光谱成像技术进行小麦存储过程中的特征识别与品质划分是可行的(3)首先利用高光谱成像技术进行单籽粒小麦发芽预测,分析了单粒发芽与未发芽小麦籽粒之间的光谱差异,在1400-1600nm波段未发芽籽粒较发芽籽粒的光谱反射率略高,进一步利用LSSVM方法建立发芽与未发芽籽粒预测模型,二者的平均正确识别率能达到72.5%,,说明利用高光谱成像技术进行单粒籽粒发芽预测具备一定可行性。在此基础上获取了2003-2013年11个年份共145份群体小麦的平均光谱,并测定了对应群体发芽率,建立群体发芽率与平均光谱之间的PLS模型,模型校正集相关系数为0.6657,预测集相关系数为0.6296,略微偏低。模型的相对分析误差也只在1.2614,表明了模型稳定性有待验证。