最新的研究成果，本论文的主要观点为利用波长范围在400~1000nm的光谱数据对不同霉变程度的玉米种子进行检测区分。本文采用高光谱成像仪获取同一品种5个霉变等级的玉米种子高光谱影像数据，使用ENVI5。3软件选取感兴趣区域；利用Kennard-Stone算法按照3：1比例划分预测集和验证集；利用多项式卷积平滑（SG）、多元散射校正（MSC）和标准正态变量变换（SNV）进行数据预处理；通过连续投影法（SPA）和无信息变量消除法（UVE）进行特征变量提取；采用Linear核函数的SVM、Quadratic核函数的SVM、BP神经网络和ACO-BP神经网络4种模型建立分类模型，其中SNV-UVE-ACO-BP神经网络模型分类效果最优，预测集准确率为98。67%，验证集准确率为92%。结果表明，高光谱成像结合SNV-UVE-ACO-BP神经网络算法建立的分类模型能够快速、准确、无损实现玉米种子霉变识别，为玉米种子早期霉变检测及玉米选种提供了技术支持与新思路。不知是否符合录用要求，望您批评与指正。