Diferentes variedades de semillas frescas de loto tienen niveles variables de contenido de amilosa. Esto tiene un impacto directo en el procesamiento y la calidad del producto final, por lo que la detección no destructiva del contenido de amilosa es significativa antes de la producción de semillas de loto. Este estudio propuso un método no destructivo para detectar el contenido de amilosa de semillas frescas de loto. Se obtuvieron imágenes hiperespectrales de 120 semillas frescas de loto de tres variedades diferentes, y se aplicaron diferentes tratamientos previos a los espectros promedio obtenidos de la región de interés (ROI). El conjunto de calibración y predicción se dividió mediante el algoritmo de distancias x-y conjuntas del conjunto de muestras (SPXY). Luego, se estableció el método de regresión cuadrática de mínimos cuadrados parciales (PLSR) para el modelado, siendo el PLSR basado en el pretratamiento de Savitzky-Golay el que mostró los mejores resultados. Para mejorar aún más la estabilidad del modelo predictivo, se compararon diferentes métodos de selección de variables de características. Los resultados mostraron que el mejor modelo PLSR se estableció con las entradas de 15 bandas de características seleccionadas de 472 bandas mediante el algoritmo de proyección sucesiva (SPA). El coeficiente de correlación del conjunto de predicción (Rp), el error cuadrático medio del conjunto de predicción (RMSEP) y la desviación predictiva residual (RPD) fueron 0.890, 15.154 mg g y 2.193, respectivamente. Mientras tanto, este estudio visualizó los mapas de distribución del contenido de amilosa a partir de los cuales se podría estimar directamente el nivel de contenido. Este estudio podría proporcionar una referencia para el desarrollo adicional de equipos de detección portátiles para el contenido de amilosa de semillas frescas de loto.