优质棉种是全面推广棉花精量播种技术的基础。 采用近红外高光谱成像技术实现微破损棉种可视化识别, 为棉种精选设备的研制奠定理论基础。 以未破损和微破损两类棉种各540粒作为样本(其中405粒作为建模集, 135粒棉种作为预测集), 分批采集874~1 734 nm范围的样本高光谱图像, 提取光谱数据并去除首尾两端明显噪声保留955~1 659 nm范围内光谱为棉种样本的光谱。 首先使用Kennard-Stone(KS)算法进行样本划分, 并通过平滑算法Savitsky-Golay(SG)对光谱进行预处理。 采用二阶导数光谱(2nd spectra)方法、 连续投影算法(SPA)和主成分载荷(PCA-loading)方法分别选取10, 14和11个特征波长。 基于全部光谱数据和特征波长建立偏最小二乘判别分析(PLS-DA)模型、 K最邻近(KNN)模型和支持向量机(SVM)模型, SPA-PLS-DA模型取得了较好的结果, 建模集和预测集的鉴别率分别为91.50％和90.33％。 基于SPA-PLS-DA模型分别对未破损样本和微破损样本及其混合样本图像进行识别, 取得了较好的识别结果, 微破损棉种的识别率达90%以上。 结果表明, 结合近红外高光谱成像和图像处理技术, 能够实现微破损棉种的可视化识别。