La apariencia de las semillas de L. es muy similar, y es difícil lograr una clasificación rápida y precisa utilizando métodos tradicionales de clasificación de semillas, lo que puede causar daño a las semillas. Por lo tanto, encontrar un método de clasificación rápido y no destructivo es muy importante para resolver el problema de la confusión de semillas en la producción real. En este estudio, la tecnología de imágenes hiperespectrales se combinó con una variedad de datos de preprocesamiento y modelos de clasificación para lograr una clasificación rápida y no destructiva de semillas de cebolla galesa, cebolla y cebollino chino. En este artículo, se utilizaron 1050 semillas de cebolla galesa, cebolla y cebollino chino como materiales, y se recopilaron sus imágenes espectrales de 400-1000 nm para su procesamiento. Se utilizaron Normalización de Variables Estándar (SNV), Corrección de Dispersión Multivariante (MSC), Diferencial de Primer Orden (FD) y Diferencial de Segundo Orden (SD) para eliminar el ruido de los datos espectrales. Luego, la dimensionalidad se redujo mediante Análisis de Componentes Principales (PCA). Se utilizaron cuatro modelos de clasificación, Análisis Discriminante de Mínimos Cuadrados Parciales (PLS-DA), Máquina de Vectores de Soporte (SVM), Bosque Aleatorio (RF) y Vecino más Cercano (KNN), para clasificar las semillas de manera rápida y precisa. Los resultados muestran que las precisiones de predicción del modelo PLS-DA Original, modelo SVM Lineal Original y modelo SVM Lineal FD son las más altas, alcanzando el 98%, mientras que la precisión, tasa de recuperación y puntuación F1 alcanzan el 96%. Este estudio proporciona una nueva idea para la clasificación rápida y no destructiva de semillas de L. en la producción práctica.