甜菜是我国主要糖料作物之一,但是在甜菜的种植过程中,由于其种子存在发芽率低的问题,一直制约着其大规模的推广种植。目前为了提高甜菜种子的发芽率,通常采用人工挑选的方法,即剔除活力较低的种子。但这种方法在操作过程中存在着人的主观性强和劳动强度大的弊端。鉴于此,本研究开发设计了一套基于高光谱的甜菜种子的发芽预测系统,为甜菜种子的批量化在线无损检测提供了一种新的检测技术。本文的主要工作内容如下:(1)利用近红外高光谱成像采集系统获取了3072粒样本的高光谱图像;对图像进行图像切割、阈值分割、膨胀、去洞、轮廓提取最终提取种子区域的平均光谱作为其特征光谱。采用多元散射校正、标准正态变量变换、一阶差分、二阶差分、平滑、去趋势这6种特征增强方法对光谱进行处理,分别建立SVM(RBF)、随机森林和Light GBM分类模型,实验结果显示经过二阶差分处理过后的数据进行Light GBM建模效果最好。在全波段下模型的分类预测准确度达到93.7%。(2)采用特征重要性和相关系数对光谱数据进行降维,提取455,465,495,505,719,866,908,930,946,983,989,994,1005,1021和1037nm共15个特征波长用于建模,经过参数寻优后,模型的分类预测准确度达到了90.8%。(3)结合上述建模过程中选择的模型,设计了一套甜菜种子的在线发芽预测系统。本系统分为两部分:第一部分为服务端,服务端搭建在百度云服务器上,服务端与客户端采用TCP/IP方式进行通信。服务器端主要完成对客户端上传的数据进行预测,并返回预测结果。该部分主要包括通讯模块、光谱预处理模块、全波段下预测模块和特征波段下预测模块。第二部分为客户端,该部分主要包括导入预测样本数据的模块、通讯模块、显示交互模块和功能选择模块。研究结果表明,本研究所设计系统可以准确有效地对甜菜种子的发芽进行预测,为甜菜种子批量化在线无损检测提供了一条思路。