为了实现对不同品种白菜种子的快速无损鉴别, 应用近红外光谱技术获取白菜种子的光谱反射率, 首先采用变量标准化校正和多元散射校正对原始光谱进行预处理; 其次, 采用主成分分析法（PCA）对光谱数据进行聚类分析, 从定性分析的角度得到三种不同白菜种子的特征差异, 并采用连续投影算法（SPA）选取特征波长; 最后, 分别基于全波段光谱、 PCA分析得到的前3个主成分变量以及SPA算法选取的特征波长, 建立了最小二乘支持向量机（LS-SVM）和偏最小二乘判别（PLS-DA）模型进行白菜种子不同品种的鉴别。 从主成分PC1、 PC2得分图中可以看出, 主成分1和2对不同种类白菜种子具有很好的聚类作用。 基于特征波长建立的PLS-DA和LS-SVM模型的判别结果优于基于主成分变量建立的模型, 其中基于特征波长建立的LS-SVM模型识别效果最优, 建模集和预测集的品种识别率均达到100%。 结果表明, 通过SPA算法选取的6个特征波长变量能够很好的反映光谱信息, 提出的SPA算法结合LS-SVM预测模型能获得满意的分类结果, 为白菜种子品种的识别提供了一种新方法。