本文利用在600~1100nm波段的可见-近红外反射光谱分析技术，以3种具有代表性的花生种子为研究对象，展开了花生种子近红外光谱的特征提取与品质的分析研究实验。分别以自然光和卤钨灯为光源的条件下对花生种子光谱进行采集，利用了小波分析和主成分分析方法对原始光谱进行特征增强和特征提取，采用马氏距离判别模型和感知器型神经网络对3种花生种子进行聚类分析和快速分类识别；利用小波分析与主成分回归相结合对花生种子脂肪含量进行快速检测的研究。研究工作主要包括以下三个方面：(1)将小波分析引入对花生种子光谱进行预处理中，提取了光谱的主要特征及其轮廓特征。采用小波滤波预处理方法能够有效的滤除光谱信号的噪声，凸显微弱光谱信号的有用信息，为其后的定性及定量模型的建立提供了可靠的数据源。(2)建立主成分分析与多种模式识别相结合的识别模型对花生种子进行分类。本文使用了主成分分析分别与马氏距离判别分析、感知器神经网络相结合，建立花生种子的分类识别模型。实验表明：马氏距离判别分析模型对花生种子预测集的判别准确率达到95%；感知器神经网络模型对预测集的判别准确率达到93.33%。实验结果表明，两种判别方法均能对花生种子多目标光谱进行识别且识别率较高，为花生种子品质的区分和鉴别提供了切实可行的新方法。(3)建立花生种子脂肪含量的分析模型对花生种子的脂肪含量进行预测。将小波分析与主成分回归模型相结合，对花生种子的脂肪总含量进行预测，达到的预测精度较高，预测偏差小于0.35，相对误差范围为0.03%~1.03%，实验操作简单，为花生种子脂肪含量的可见-近红外光谱分析提供了有效的方法。