油菜是我国重要的油料作物之一,生产上常采用联合收获机一次性收获,但因油菜是无限花序作物,一次性收获时,会掺杂部分青籽、黄籽等不成熟的籽粒,虽然其在后续晾晒中会转化为黑褐色籽粒,但其叶绿素含量高,含油量与已成熟油菜籽有较大差异,会影响菜籽油品质。国家标准《GB/T111762-2006》规定了不同油菜籽等级,其中未熟籽粒比例是分级的重要质量指标之一,但因成熟与未成熟的籽粒经过晾晒、存储后颜色接近,实际生产中缺乏快捷有效的检测方法,难以评级。本课题针对收获时不同成熟度的油菜籽经过晾晒、自然放置后其外观统一呈现为黑褐色,难以从外观判定其成熟度的问题,开展了基于高光谱技术的油菜籽成熟度检测方法研究。主要研究内容如下:（1）开展了油菜籽样品制备和高光谱信息采集。以“华油杂62”油菜为对象,采集了绿熟期、黄熟期、完熟期三种成熟度的果荚,通过晾晒干燥获得了试验样品;测定了不同成熟油菜籽的含油率、蛋白、水分等指标,表明成熟度不同的籽粒含油量、蛋白、水分存在较大的差异。设计并对比了不同油菜籽单粒高光谱信息采集板对油菜籽光谱采集的影响,确定蓝色圆孔采集板。通过高光谱相机采集了1500粒不同成熟度的油菜籽的高光谱,选择440nm作为分割波段,使用OTSU确定分割阈值,从二值图像中获取油菜籽ROI,掩膜提取了油菜籽的光谱数据和形态特征,通过GLCM提取了油菜籽的纹理特征。（2）对比分析了光谱预处理和建模方法对油菜籽成熟度判别模型的影响。比较了RS、KS、SPXY样本划分方法对模型的影响,确定KS作为样本划分算法;对光谱进行SG平滑、标准正态变量、一阶和二阶导数、去趋势等单独和组合的预处理,结合ELM,KNN,SVM,PLS＿DA,RF分类算法建立了油菜籽成熟度判别模型。油菜籽成熟度判别模型表明:基于光谱特征对油菜籽成熟度的判别是可行的,预处理和相关分类模型组合对油菜籽成熟度识别有优化作用。在建立的油菜籽成熟度判别模型中D2st-SVM的建模效果最好,其训练集和测试集准确率达到98.49%,97.87%。（3）构建了特征波长的油菜籽成熟度判别方法模型。针对高光谱数据量大、信息冗余的问题,对比分析了连续投影算法、竞争性自适应重加权算法、区间变量迭代空间收缩法和其组合共5种算法对提取高光谱信息建立油菜籽成熟度判别模型的效果。基于二阶导数的IVISSA-SPA选择的特征波段数较少,为油菜籽原始光谱总数的23.72%,模型测试集的准确率达到97.86%。（4）探究了高光谱图像信息和特征波长信息融合的油菜籽成熟度判别方法影响。基于油菜籽形态特征建立了油菜籽成熟度判别模型,发现形态特征模型对油菜籽判别的准确率均低于70%,模型较差。建立了基于全波段和特征波段的纹理特征分类算法,结果表明,全波段纹理特征优于特征波段,四种纹理结合比单纹理特征判别效果好,其训练集和测试集准确率达到93.33%、80.27%。在此基础上,建立了光谱特征、形态特征、纹理特征相互融合的油菜籽成熟度分类模型,探究了信息融合对油菜籽成熟度分类的影响,结果表明,光谱与形态特征融合模型优于光谱和形态特征单独建模,其模型训练集准确率98.93%。（5）开发了基于Matlab的油菜籽成熟度判别软件。从油菜籽成熟度判别的需求出发,开发了油菜籽成熟度判别软件,解决了油菜籽高光谱数据处理难的问题。用户上传采集的油菜籽高光谱原始图像,选择预处理算法和特征波长提取算法,软件会自动根据上传高光谱图像和选择的算法获取油菜籽光谱,对光谱数据进行处理,利用建立的成熟度判别模型对油菜籽的成熟度进行判别。