由于柑橘种类和品种繁多,亲缘关系复杂,给遗传分类、种质识别和品种鉴定等带来较大困难。传统的柑橘分类鉴别方法费时费力、成本高以及操作复杂,而光谱技术具有灵敏度高、信息丰富、省时省力、准确稳定等优点。因此,利用光谱技术实现对柑橘分类、亲缘关系鉴定和品种识别具有重要的意义。另一方面,建立柑橘光谱数据库,实现对柑橘不同品种光谱数据的收集、储存、共享和管理是光谱技术应用于柑橘品种分类识别等的基础。本试验通过采集柑橘代表性种类和品种的花、叶和果实等器官的光谱数据,将PHP开发与MySQL应用相结合,建立了柑橘光谱数据库。利用数据库的光谱数据,结合最小二乘判别分析、神经网络、支持向量机等化学计量学方法,研究柑橘不同种类、品种的花、叶片和果实光谱特性,对基于光谱数据库信息的柑橘种类、品种的分类和鉴别方法进行了探索,结果如下：1.建立了柑橘光谱数据库选择138个具有代表性的柑橘品种,对其花、叶和果实等三种器官采样,应用四种光谱信息采集仪器,采集了可见-中红外光谱波段的光谱信息和近红外高光谱图像信息。基于PHP+MySQL开发环境,采用AJAX异步调用和数据适配技术,研究建立了我国第一个柑橘专业光谱数据库。该数据库界面友好,具有光谱数据的导入存储、共享、分类管理和查询显示等功能。2.柑橘光谱数据库的应用研究(1)基于傅里叶变换红外光谱信息的柑橘分类鉴定研究。从柑橘光谱数据库收集柑橘属18个品种花的傅里叶变换红外光谱,通过对原始光谱(2000cm-1～500cm-1)进行基线校正、归一化以及一阶积分求导预处理,再采用单因素方差分析和Tukey’s HSD多重比较提取特征波长,最后利用特征光谱进行系统聚类分析。结果显示：通过单因素方差分析和Tukey’s HSD多重比较,提取得到2000～1831 cm-1、1763～1595 cm-1、517～1090cm-1、1035～1024 cm-1、950～935 cm-1、 861～784cm-1、744～721cm-1、653～608 cm-1等8个特征波段,以此开展系统聚类分析,将18个柑橘品种划分成了6个亚群,这一分类结果和反映的柑橘属亲缘关系与形态学、生物化学、细胞学以及分子生物学上的分类结果基本一致。表明,利用柑橘傅里叶变换红外光谱的特征波段信息,可实现对柑橘属植物的分类和亲缘关系研究。(2)基于可见/近红外光谱信息的柑橘品种鉴别研究。利用柑橘光谱数据库中4个柚类品种叶片的可见/近红外光谱信息,采用软独立模式分类(SIMCA)、偏最小二乘判别分析(PLS-DA)、反向传播神经网络(BPNN)和最小二乘支持向量机(LS-SVM)等四种模式识别方法,对不同柚类品种的叶片进行品种鉴别分析。结果显示,BPNN和LS-SVM模型对柚类品种预测正确率都达到90%以上,且LS-SVM模型的预测效果更好,而SIMCA和PLS-DA模型的预测效果并不理想。说明,利用柑橘叶片的可见/近红外光谱结合LS-SVM方法可实现对柑橘品种的快速鉴别。(3)基于高光谱成像技术的柑橘品种鉴别研究。利用柑橘光谱数据库中4个具有代表性的柚类品种的高光谱图像数据,对比研究了叶片上表面和下表面高光谱图像的有效光谱信息,采用主成分分析(PCA)和连续投影算法(SPA)提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量进行品种识别。结果显示：基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对预测集样本的识别正确率均为95.83%,而基于叶片下表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对预测集样本的识别正确率皆为100%。表明,利用叶片光谱图像技术可较好地实现对柑橘品种的快速鉴别,且叶片下表面光谱信息的鉴别效果优于叶片上表面。