简介： 本发明提供一种小麦突变体识别方法，该方法包括：收集小麦籽粒的红外光谱，将红外光谱数据按比例分为训练集和预测集；对训练集和预测集中的红外光谱数据进行预处理后，基于红外光谱数据的特征吸收峰波数和特征吸收波段，对随机森林模型和判别分析模型进行训练；根据训练后的随机森林模型和判别分析模型的准确率，筛选最佳预处理方式；基于最佳预处理方式，以及随机森林模型输出的最佳判别波段，确定突变体类型，并基于最佳判别波段通过判别分析模型鉴别对应的小麦突变体。通过该方案解决了现有小麦突变体识别方法准确率低且需要的样本量大的问题，可以减少样本需求，无损快速对样本进行处理，同时突变体识别准确率高。