中國是柚類起源中心和遺傳多樣性分布中心之一，柚類種質和品種資源繁多，對品種(系)的鑒定和識別較為困難和復雜。可以使用高光譜成像儀鑒別柚類品種。

很多專家學者已經從形態學、生物化學與分子生物學等方面進行了柚類的分類和鑒別研究，但是這些方法繁瑣、成本較高以及耗時耗力。探索建立一種科學、簡單、省時省力的柚類品種鑒別技術很有必要。高光譜成像技術集圖像技術與光譜技術于一體，具有波段多、分辨率高、檢測快速和無損等優點。近年來，已被用于農產品、食品等品種或類別的鑒別研究，如水稻、肉類、西瓜種子等，但有關利用高光譜成像技術對柚類品種的鑒別研究鮮有報道。

最小二乘支持向量機 (least squares-support vector ma-chine， LS-SVM)由于其優越的學習能力和自適應性被廣泛用于光譜數據的分析中17.8.主成分分析(principal compo-nent analysis， PCA)和連續投影算法( successive projections algorithm， SPA)均能大幅度減少建模所用變量的個數，提高建模的速度和效率，使基于 PCA 和 SPA 的 LS-SVM模型在定性分析得到廣泛研究與應用9.10]。

利用高光譜成像技術分別采集葉片上表面和下表面高光譜圖像信息，建立PCA-LS-SVM 和 SPA-LS-SVM 模型對供試柚類品種進行鑒別，探索采用高光譜成像技術對柚類品種進行快速無損鑒別的可行性，并對基于柚類葉片上表面與下表面的光譜信息的建模效果進行比較，找出最佳光譜采集面，進而用于柚類品種的鑒別研究。以下圖像研究也證明了這種可行性。

?