谷物是人类生存的必要物质,但因其易被真菌毒素污染而对人类社会造成严重危害。因此,谷物中真菌毒素的检测成为科研和从业人员关注的重要方向。传统的谷物真菌毒素检测方法操作复杂、成本高,无法实现谷物真菌毒素的快速、无损检测。多光谱成像（MSI）作为一种新兴的检测技术,具有简单、快速、无损等优点,且能够同时获得被测物质的图像和光谱信息。本文基于MSI研究了小麦和玉米中禾谷镰刀菌及其毒素的快速无损检测问题,主要结果如下:（1）基于多光谱成像技术快速检测小麦中禾谷镰刀菌含量及生长状态。通过对小麦人工感染,取感染后培养0、3、6、9、15、18和21 d的样本进行多光谱成像和样本中真菌含量检测,并采用不同建模方法完成在小麦禾谷镰刀菌含量预测。结果表明遗传算法-支持向量机（GA-SVM）在校准集和预测集的预测结果中相关系数（R）和均方根误差（RMSE）分别为0.9663、0.9292、0.5992 CFU/g和0.6725 CFU/g;在对小麦不同培养时间感染的程度进行鉴别中,遗传算法-反向传播神经网络（GA-BPNN）的预测集准确率（A%）高达100%。（2）基于多光谱成像技术的玉米中玉米赤霉烯酮（ZEN）含量的快速无损检测。以自然感染的玉米为研究对象,对玉米ZEN含量的预测结果表明,使用GA-BPNN的校准集和预测集的R分别达到0.9567和0.9507,RMSE分别为0.6866和0.6613μg/kg;对样本进行分类鉴别,最佳的GA-BPNN模型对不同污染程度的玉米样本分类准确度高达93.33%,说明了此方法可以很好的对玉米中ZEN含量进行检测。（3）基于多光谱成像技术的小麦中脱氧雪腐镰刀菌烯醇（DON）含量和污染级别的鉴定。本研究以自然感染的小麦为研究对象,在对小麦DON含量预测的研究中,GA-SVM方法建立的模型对校准集和预测集的预测结果R和RMSE分别为0.9923、0.9988、215.1μg/kg和365.3μg/kg;在对小麦DON污染等级鉴别中,主成分分析-偏最小二乘（PCA-PLS）建模的预测集准确率（A%）为94.29%,实现了对小麦中不同DON污染等级鉴别。同时进一步研究了小麦不同部位（腹沟向上和腹沟向下）DON含量的差异,结果表明小麦在受DON自然感染的过程中,污染程度较低时,腹沟向下反射强度大于腹沟向上反射强度。但随着污染程度的增加,腹沟向上反射强度逐渐接近,并最终大于腹沟向下的反射强度。本课题研究表明,基于MSI可实现对谷物真菌及其毒素的快速无损检测,为谷物在生产加工和储存过程中真菌毒素污染的监测探索出新的方法。