传统的嫁接苗愈合状态判断主要是以有经验的农业人员对嫁接后10天的苗人为判断。在规模化生产中,如果能对嫁接苗愈合状态进行提前预测,不仅能够有效提高嫁接愈合装置的利用率,同时能给甜瓜种植带来巨大的经济效应提升。本文在甜瓜嫁接苗愈合预测方法上尝试了一种更为高效的预测方法。通过对嫁接苗光谱数据的获取,利用ENVI软件提取感兴趣（Region of Interest,ROI）区域,并计算平均光谱值。对原始光谱利用一阶导数（First Derivatives,FD）和二阶导数（Second Derivatives,SD）、标准正态变换（Standard Normal Variate,SNV）和去趋势处理（Detrend）、平滑21点（Smooth 21）、多元散射矫正（Multiplicative Scatter Correction,MSC）等预处理方法及两种以上的组合预处理方法,建立支持向量机（Support Vector Machine,SVM）、决策树和XGBoost三种分类模型;优选模型对应的最优预处理算法得到光谱数据,利用主成分分析（Principal Component Analysis,PCA）、竞争性自适应重加权（Competitive Adaptive Reweighting Sampling,CARS）、遗传算法（Genetic Algorithms,GA）、连续投影算法（Successive Projections Algorithm,SPA）四种算法进行特征变量选择,随后利用特征变量建立分类判别模式,为嫁接苗嫁接愈合的提前预测提供理论依据。特征变量建立的分类判别模型结果表明,在SVM模型的分类结果中,两种不同的数据预处理方法组合三种特征变量选择算法,选择的特征变量建立的模型校正集和预测集结果＿1score F的值分别在58%～87%和53%～80%之间。其中光谱原始数据经过CARS特征选择,模型预测的＿1score F值是最高的,＿1score F值达到了80%。在决策树模型分类结果中,校正集和预测集＿1score F值分别在58%～89%和53%～85%之间,其中通过FD数据预处理后,通过GA和PCA两种算法进行降维后,得到的＿1score F达到了85%。在XGBoost模型的分类结果中,同样用两种预处理方法组合3种算法选择的特征变量建立的模型校正集和预测集＿1score F分别在83%～95%和80%～93%之间。通过FD数据预处理与GA算法组合后,模型＿1score F最高,达到93%。在所有的数据预处理方法和分类模型的组合中,FD-GA-XGBoost模型效果最好。基于高光谱技术的甜瓜嫁接苗愈合预测方法,利用嫁接后4、5、6天的嫁接苗光谱数据,可实现在嫁接后6天对嫁接愈合较为准确的判断。