水稻是重要的粮食作物,由于不育系的一种遗传特征,杂交水稻种子存在着较严重的裂颖现象,裂颖将导致水稻种子的发芽性能和秧苗质量较正常种子差,且对贮藏环境要求较高,在一定程度上提高了贮藏成本。因此,识别裂颖种子并将其分选出来,可以有效的提高杂交水稻种子的秧苗质量以及大田生产的产量,并且可以有效的降低杂交水稻种子的贮藏成本。本研究首先根据杂交水稻正常种子与裂颖种子颖壳结构不同,推测两者具有不同的振动特性,因此自由下落碰撞悬臂梁薄板时会产生不同的振动信号,提取信号特征进而可以将正常、裂颖种子识别出来。设计了种子下落高度H可调,悬臂梁薄板可更换的振动信号检测装置。通过MATLAB对振动信号进行了零均值化及去除多项式趋势项、傅里叶变换及功率谱密度计算等处理,经过分析发现时域上,电压最大值、最小值、绝对值最大值、极差、均方根、斜度、峰度、能量以及频域上信号一定处理后的功率谱密度最大值可以作为识别正常、裂颖种子的特征参数,其中,以能量作为标准识别效果最好。通过单因素试验,研究悬臂梁薄板材料、厚度、长度及种子下落高度对测试系统识别效果的影响,发现以上四种因素对识别效果均有一定影响,根据单因素试验结果选择弹性好、成本低的65Mn钢作为悬臂梁材料,并设计L9（34）（含误差列）的正交试验的3个因素为板厚、板长、种子下落高度以及每个因素相对应的3个水平;通过正交试验,确定了测试系统结构参数的较优组合为A3B2C3,即厚0.25mm、长200mm的65Mn钢板（宽25mm）,种子下落高度为250mm,在此因素水平下以能量作为标准识别,非样本检验试验结果为:川优6203的综合识别率为86.25%;荃优123的综合识别率为83.50%;中1优188的综合识别率为83.92%;珍稻的综合识别率为84.95%。对4个品种杂交水稻随机选取正常、裂颖各200粒分别进行信号采集及特征参数提取,对信号特征参数数据进行主成分分析,提取主成分及高权重特征参数,作为两种神经网络输入层。设计BP神经网络及RBF神经网络,经过神经网络训练及测试,发现主成分-BP结构的神经网络模式识别效果较好。经过训练,川优6203综合识别率可达到89.64%,荃优123综合识别率可达到87.50%,中1优188综合识别率可达到86.90%,珍稻综合识别率可达到84.58%。与单一特征参数为标准的线性分类方法相比,神经网络模式识别的方法有效的提高了杂交水稻种子裂颖籽粒的识别效果。本研究说明,利用杂交水稻种子下落碰撞悬臂梁薄板产生振动信号的振动特性来识别裂颖籽粒是可行的。