为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay(SG)平滑算法,经验模态分解算法(empirical mode decomposition,EMD)和小波分析(wavelet transform,WT)对提取出的光谱数据进行去除噪声处理,采用连续投影算法(successive projections algorithm,SPA)和遗传-偏最小二乘法(genetic algorithm-partial least squares,GA-PLS)进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析(partial least squares–discriminant analysis,PLS-DA),基于特征波长建立了反向传播神经网络(back-propagation neural network,BP NN)判别模型和极限学习机(extreme learning machine,ELM)判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。