[目的]为了实现对核桃壳、仁及分心木快速、准确识别。[方法]以礼品2号核桃的核桃壳、仁及分心木为研究对象,采用高光谱成像系统采集样本的光谱信息。对所提取的光谱信息分别用一阶微分处理(1stDer),基线校正(Baseline)、标准归一化(Standard Normalized Variate,SNV)及多元散射校正(Multiplicative Scatter Correction,MSC)进行预处理并建立偏最小二乘(Partial Least Squares,PLS)模型进行判别。用竞争自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)、回归系数法(Regression Coefficient,RC)和连续投影法(Successive Projections Algorithm,SPA)提取特征波长,建立最小二乘支持向量机(Least Squares-Support Vector Machine,LS-SVM)判别模型。[结果]建立的PLS模型表明一阶微分处理为最佳预处理。CARS提取的特征波长具有较好的预测结果。LS-SVM建模效果好,对不同特征波长提取下的核桃壳、仁及分心木的判别准确率分别达到了100%、100%、99%。[结论]用高光谱成像技术对核桃壳、仁及分心木进行分选判别是可行的,为核桃深加工和壳、仁在线分选及相关设备的开发提供理论依据。